MétaCan
Menu
Retour à la cohorte
Enregistrement W4411023778 · doi:10.2196/71385

Exergaming System for Exercise-Based Cardiac Rehabilitation in Patients With Heart Failure: Development and Usability Assessment Study of a Device Prototype

2025· article· en· W4411023778 sur OpenAlexvenueno aff
Carles Blasco‐Peris, Barbara Seguí, Rocio Zaragoza, Vicente Climent, Laura Fuertes-Kenneally, Agustín Manresa‐Rocamora, Ana Sanz-Rocher, Sabina Baladzhaeva, José Manuel Sarabia

Notice bibliographique

RevueJMIR Serious Games · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Health and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintUsabilityRehabilitationMedicineHeart failurePhysical therapyPhysical medicine and rehabilitationComputer scienceHuman–computer interactionWorld Wide WebCardiology

Résumé

récupéré en direct d'OpenAlex

Background: Heart failure (HF) is a growing global health concern, and adherence to early cardiac rehabilitation (CR) remains suboptimal. Exergaming is a promising alternative to conventional exercise programs for patients with HF. However, existing research has limitations, and the integration of exergaming into clinical practice remains challenging. Most notably, current studies often rely on commercially available systems that are not tailored to needs specific to patients with HF, lack long-term adherence strategies, and have limited evaluation in the initial phases of cardiac rehabilitation. Objective: This study aimed to design, develop, and assess the usability of a novel exergaming prototype (ie, HEFMOB), integrating immersive virtual reality (VR), real-time biometric monitoring, and autonomous session management to support early-phase, exercise-based CR in patients with HF. Methods: A multidisciplinary team developed HEFMOB through iterative prototyping. The final system included a pedal-based VR cycling game and an upper-limb mobilization minigame, with real-time monitoring of heart rate, blood pressure, and peripheral capillary oxygen saturation. Usability was assessed in two phases: (1) an expert evaluation and refinement phase and (2) a single-session usability phase involving 10 patients with HF (4 female). The sessions were recorded and individually evaluated by 2 researchers using the Serious Game Usability Evaluator tool. After each session, the participants completed the System Usability Scale (SUS) and a subscale of Intrinsic Motivation Inventory (IMI) to rate the usability of the exergaming prototype and enjoyment, respectively. Descriptive statistics were reported. Results: The participants had a mean age of 64.8 (SD 8.4) years, BMI of 26.7 (SD 4.6) kg/m2, and left ventricular ejection fraction of 40.5% (SD 7.4%). All participants completed the session without adverse events. The SUS score averaged 71.5, SD 17.8 (indicating good usability) and IMI scores indicated very high enjoyment (mean 25.1, SD 3.5). A total of 136 gameplay-related events were recorded: negative (n=76, mostly confusion), neutral (n=49), and positive (n=11). Interface-related issues (n=61) were most common, followed by design (n=52) and hardware (n=23). Conclusions: HEFMOB appears to be a promising, engaging, and well-tolerated tool for delivering tailored exergaming interventions in patients with HF. High usability and enjoyment ratings support its acceptability, while structured user experience analysis provided valuable insights for system refinement. This study marks a critical step toward integrating personalized, gamified exercise in inpatient settings, especially where early mobilization is lacking. Building on these findings, future research will assess long-term usability and clinical impact through a multicenter randomized controlled trial.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,500

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,008
Tête enseignante GPT0,319
Écart entre enseignants0,312 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Serious GamesMême sujetCardiac Health and Mental HealthTravaux en français237 207