What Are the Ethical Issues Surrounding Extended Reality in Mental Health? A Scoping Review of the Different Perspectives
Notice bibliographique
Résumé
As extended reality (XR) technologies such as virtual and augmented reality rapidly enter mental health care, ethical considerations lag behind and require urgent attention to safeguard patient safety, uphold research integrity, and guide clinical practice. This scoping review aims to map the current understanding regarding the main ethical issues arising on the use of XR in clinical psychiatry. METHODS: Searches were conducted in 5 databases and included 29 studies. Relevant excerpts discussing ethical issues were documented and then categorized. RESULTS: The analysis led to the identification of 5 core ethical challenges: (i) Balancing beneficence and non-maleficence as a question of patient safety, (ii) Altering autonomy by altering reality and information, (iii) data privacy risks and confidentiality concerns, (iv) clinical liability and regulation, and v) fostering inclusiveness and equity in XR development. Most authors have stated ethical concerns primarily for the first two topics, whereas the remaining four themes were not consistently addressed across all papers. CONCLUSIONS: There remains a great research void regarding such an important topic due the limited number of empirical studies, the lack of involvement of those living with a mental health issue in the development of these XR-based technologies, and the lack of clear clinical and ethical guidelines regarding their use. Identifying broader ethical implications of such novel technology is crucial for best mental healthcare practices.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| 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 ».