The Effect of Using Virtual Reality on School-Age Children’s and Caregivers’ Anxiety in the Emergency Room: True Experimental Study
Notice bibliographique
Résumé
Background: Being treated in an emergency room (ER) could be a stressful experience and trigger anxiety in children. Virtual reality (VR) is a technology-based distraction technique that can be used for school-age children. Objective: In this study, we aimed to identify the effect of using VR in reducing anxiety in school-age children in the ER and identify the relationship between caregivers' and school-age children's anxiety. Methods: This study employed a true experimental design using a post-test-only control group involving 66 children aged 6-12 years, randomly selected according to the inclusion and exclusion criteria. The intervention group, consisting of 33 children, received VR intervention, and the control group, consisting of 33 children, received standard care. Three respondents dropped out. Data analysis employed descriptive statistics, independent t tests, one-way ANOVA, and Pearson correlation analysis. Results: Most respondents were boys (39/66, 61.9%), accompanied by their mother (34/63, 54%), and had prior experience admitted to the ER (31/63, 49.2%). The anxiety in school-age children in the intervention group (mean 17.71, SD 3.013) was lower than that in the control group (mean 22.31, SD 3.167). There was a significant difference in the anxiety mean scores between the intervention group and the control group (t(61)=-5.907, P<.001). The mean (SD) of the caregivers' anxiety in the intervention and control groups were 46.06 (9.413) and 54.44 (9.112), respectively. There was a moderate relationship between caregivers' and school-age children's anxiety (r=.532, P<.001). Conclusions: This study has proven that VR can reduce school-age children's anxiety.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».