MétaCan
Menu
Retour à la cohorte
Enregistrement W4411368469 · doi:10.2196/69801

Safety Evaluation in Healthy Adults of Motion-Based Virtual Reality Dichoptic Training for Pediatric Patients With Amblyopia: Prospective Intervention Study

2025· article· en· W4411368469 sur OpenAlexvenueno aff
Masakazu Hirota, Yuichi Okumura, Ken Nagino, Takao Hayashi, Takashi Negishi, Shintaro Nakao, Hitoshi Kawasaki, Takenori Inomata

Notice bibliographique

RevueJMIR Formative Research · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueOphthalmology and Visual Impairment Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineVirtual realityIntervention (counseling)Prospective cohort studyMotion sicknessPopulationVisual acuityAudiologyPhysical therapyPhysical medicine and rehabilitationOphthalmologySurgeryArtificial intelligencePsychiatry

Résumé

récupéré en direct d'OpenAlex

Background: Amblyopia, a unilateral or bilateral visual disorder, affects up to 5% of the general population and is a leading cause of childhood visual impairment. Current treatments, such as patching therapy, aim to improve amblyopia by temporarily occluding the unaffected eye, thereby promoting the use of the amblyopic eye. However, adherence to patch therapy can be challenging, as the forced use of the amblyopic eye can be stressful for children. Moreover, despite improvements in visual acuity by patch therapy, children with amblyopia often face difficulties with hand-eye coordination; therefore, a treatment that reduces stress for them while simultaneously improving hand-eye coordination could address the limitations of existing amblyopia therapies. Objective: This study investigated the safety of our motion-based virtual reality (VR) dichoptic training app using Japanese Kendama in healthy adult participants, which was designed to improve hand-eye coordination in pediatric patients with amblyopia. Methods: This prospective intervention study involved 20 healthy young adults (median age 21, IQR 21-28.3 y), including 16 women. The participants played the motion-based VR dichoptic training app for 30 minutes and then completed a subjective symptom questionnaire, which comprised 9 questions (Q1-Q9) with each item scored on a 4-point scale, except Q9, which was assessed on a binary scale. Q1-Q3 focused on subjective eye symptoms, Q4-Q7 evaluated physical and mental discomfort, Q8 assessed the degree of VR session-induced arm fatigue, and Q9 assessed the severity of visually induced motion sickness. Results: No significant differences were observed in the reported ocular symptoms before and after the VR session, including eye fatigue (mean before vs after: 1.25, SD 0.94 points vs 1.35, SD 0.85 points), blurred vision (0.55, SD 0.50 points vs 0.80, SD 0.40 points), eye dryness (0.95, SD 0.74 points vs 1.25, SD 0.83 points), and visually induced motion sickness (0.00, SD 0.00 points vs 0.05, SD 0.22 points). These results suggested that the motion-based VR dichoptic training did not induce significant adverse ocular effects. Conclusions: The motion-based VR dichoptic training app demonstrated minimal adverse ocular effects in healthy adult participants, suggesting that it is safe for use in this population. These findings demonstrate the feasibility and good tolerability of this VR-based intervention in healthy adults. Further studies, including clinical studies in adult and pediatric patients with amblyopia, are warranted to evaluate its applicability and therapeutic effects.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,091
Tête enseignante GPT0,498
Écart entre enseignants0,407 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetOphthalmology and Visual Impairment StudiesTravaux en français237 207