Extended reality in the management of upper limb musculoskeletal conditions: A scoping review
Notice bibliographique
Résumé
BACKGROUND: Extended reality (XR) is increasingly used in the management of upper limb musculoskeletal conditions. PURPOSE: To systematically map reported interventions using XR, explore their effects, and identify gaps in knowledge. STUDY DESIGN: Scoping review. METHODS: Searches were conducted in CINAHL, ClinicalTrials.gov, Embase, MEDLINE, PEDro, and Web of Science, covering publication from 2006 to September 2024. Primary research studies were included if they focused on adults with upper limb musculoskeletal disorders, evaluated at least one XR intervention, and reported at least one outcome related to pain, range of motion, or function. The quality of the studies was assessed using the PEDro scale and Joanna Briggs Institute checklists. The present scoping review adhered to the Preferred Reporting Items for Systematic Reviews and Meta-analysis extension for scoping reviews guidelines. RESULTS: A total of 19 studies were included. Fifteen were randomized controlled trials, one was a nonrandomized controlled trial, two were case series, and one was a case report. The majority (n = 15) focused on shoulder conditions, with no studies identified for elbow, nontraumatic wrist, or hand conditions. Among the included studies, none evaluated mixed reality, only one investigated augmented reality, and 18 focused on virtual reality. XR interventions seem to be more effective at improving range of motion and upper limb disability than alleviating pain in people with upper limb conditions. CONCLUSIONS: While XR shows potential for improving range of motion and disability in people with upper limb musculoskeletal conditions, its clinical applications are hindered by methodological inconsistencies and limited evidence. Future research should prioritize high-quality randomized controlled trials with larger and more diverse populations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,018 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».