Seeing Opportunity in Virtual Reality: A Rapid Review of the Use of VR as a Tool in Vision Care
Notice bibliographique
Résumé
(1) Virtual reality (VR) technologies have shown significant potential for diagnosing and treating vision-related impairments. This rapid review evaluates and characterizes the existing literature on VR technologies for diagnosing and treating vision-based diseases. (2) Methods: A systematic search was conducted across Ovid MEDLINE, Ovid Embase, the Cochrane Database of Systematic Reviews (Ovid), and the Cochrane Central Register of Controlled Trials (Ovid). Abstracts were screened using Rayyan QCRI, followed by full-text screening and data extraction. Eligible studies were published in peer-reviewed journals, written in English, focused on human participants, used immersive and portable VR devices as the primary intervention, and reported on the clinical effectiveness of VR for therapeutic, diagnostic, or screening purposes for vision or auditory–visual impairments. Various study characteristics, including design and participant details, were extracted, and the MMAT assessment tool was used to evaluate study quality. (3) Results: Seventy-six studies met the inclusion criteria. Among these, sixty-four (84.2%) were non-randomized studies exploring VR’s effectiveness, while twenty-two (15.8%) were randomized-controlled trials. Of the included studies, 38.2% focused on diagnosing, 21.0% on screening, and 38.2% on treating vision impairments. Glaucoma and amblyopia were the most commonly studied visual impairments. (4) Conclusions: The use of standalone, remotely controlled VR headsets for screening and diagnosing visual diseases represents a promising advancement in ophthalmology. With ongoing technological developments, VR has the potential to revolutionize eye care by improving accessibility, efficiency, and personalization. Continued research and innovation in VR applications for vision care are expected to further enhance patient outcomes.
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 | 0,009 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,018 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».