Determining the severity and prevalence of cybersickness in virtual reality simulations in psychiatry
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The rise in virtual reality (VR) applications in healthcare has introduced immersive VR simulations as a valuable training tool for medical professionals. Despite its advantages, VR use can induce cybersickness, characterized by symptoms such as nausea and disorientation. This study examines the relationship between cybersickness and the degree of physical movement in VR simulations used for psychiatric education. METHODS: The study involved two VR simulations offered at a Canadian mental health hospital: an opioid overdose response (OO) (high movement VR) and suicide risk assessment (SRA) (low movement VR). Participants' experiences were measured using the Simulator Sickness Questionnaire (SSQ) before and after the training sessions. A nonparametric Mann-Whitney U-test was conducted to compare SSQ scores between the two VR simulations. RESULTS: A total of 91 participants, including healthcare practitioners and students, were involved. The mean SSQ score for the OO training was 4.59/48 (SD = 5.78), while for the SRA, it was 3.10/48 (SD = 3.48). Mann-Whitney U-test revealed a significant increase in nausea scores in OO simulation compared to SRA simulation (p = 0.0275), with higher nausea reported in the OO simulation. No significant increases were found in oculomotor symptoms. CONCLUSIONS: Participants in the OO training experienced higher levels of nausea compared to those in the SRA simulation, likely due to increased need for physical movement. These findings underscore the importance of considering the degree of physical movement in the VR training design, specifically the educational value of these movements and the risk of cybersickness negatively impacting VR tolerability for learners.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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