Virtual Reality to Improve Pain Management and Mental Health in Stroke Survivors With Chronic Pain: Study Protocol for a Feasibility Randomized Controlled Trial on Virtual Reality-Acceptance and Commitment Therapy
Notice bibliographique
Résumé
Background: Studies suggest that 40% to 65% of stroke survivors develop chronic poststroke pain (CPSP), which severely affects their quality of life and mental health. Empirical evidence suggests that existing treatments often fall short, underscoring the need for innovative, integrative interventions. Virtual reality (VR) seems to provide valuable tools in stroke rehabilitation. Also, contextual-behavioral psychological approaches, such as acceptance and commitment therapy (ACT), offer promising pain management and mental health resources, which seem to be feasible in VR formats. However, their combined application in CPSP remains unexplored. Objective: This study protocol describes the VR-ACT study, which will test the feasibility and preliminary efficacy of an 8-week VR-ACT program for CPSP. Methods: This pilot randomized controlled trial (N=30) will compare a VR-based ACT intervention with a sham VR control. The study will follow a mixed methods approach. Quantitative outcomes include pain intensity, psychological symptoms, and quality of life (via self-report measures), and brain network connectivity of the Triple Network (via functional magnetic resonance imaging). Feasibility will be evaluated through adherence, engagement, and acceptability. Qualitative feedback will be collected postintervention. Results: This study was funded by the Portuguese Foundation for Science and Technology in February 2025. Data collection is expected to start in December 2025 and end in June 2026. Results are expected to be published in the fall/winter of 2026/2027. Conclusions: This trial is expected to support the hypothesis that a VR-delivered ACT program is a feasible, acceptable, and potentially effective tool to support pain self-management and mental health in patients with CPSP, thereby laying the groundwork for larger multicenter trials.
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 | 0,017 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,004 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,072 | 0,010 |
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 ».