The impact of virtual reality cognitive behavioral therapy on mental disorders among children and youth: a systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Background Cognitive behavioral therapy (CBT) is an effective treatment for mental disorders, however, it can be associated with limited patient engagement, low adherence, and stigma among younger populations. Virtual reality (VR) environments can facilitate innovative approaches to enhance CBT implementation in a controlled and immersive way. Objectives This study evaluates the impact of VR-CBT interventions on mental disorders in children and youth through a systematic review and meta-analysis. Methods A search was conducted in PsycINFO, PubMed, EMBASE, Scopus, and Web of Science. Studies compared VR-CBT interventions to traditional therapy or control conditions. Extracted data included post-intervention means, standard deviations, and 95% confidence intervals. Pooled effect sizes were calculated using Hedges’ g and analyzed with a random-effects model. Risk of bias was evaluated using the Cochrane risk-of-bias (RoB) 2 tool and the JBI Critical Appraisal Tool. Results In total, 20 studies were included in the systematic review, with 85% (n = 17) utilizing virtual reality exposure therapy (VRET), and 15% (n = 3) implementing broader VR-CBT frameworks. VR technologies included wearable head-mounted displays (70%, n = 14), with 30% (n = 6) relying on non-wearable systems, and 15% (n = 3) incorporating gamification elements. Seven studies were included in a meta-analysis, which showed that VR-CBT was associated with a small to moderate reduction in mental disorder symptoms in full-scale studies (pooled Hedge’s g = -0.46 (95% CI: [-0.84], [-0.09]). Conclusions VR-CBT interventions demonstrate potential for addressing mental disorders in children and youth, particularly when traditional therapy alone is insufficient and/or inaccessible.
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 | 0,012 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,019 | 0,034 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».