Integration of a serious video game to positive expiratory pressure respiratory physiotherapy in pediatric patients with cystic fibrosis: a prospective study
Notice bibliographique
Résumé
Background: PEP therapy is a cornerstone of the physiotherapeutic treatment in cystic fibrosis (CF), supporting its impaired airway clearance. Multiple studies report poor adherence to the PEP (~50%), mainly due to its time-consuming/monotonous aspect. Technologic advances (e.g. serious games) in health have the potential to change the management of chronic diseases through education and by improving adherence. We will evaluate if this is applicable in children with CF. Aims: 1) to evaluate if a serious game can improve adherence to PEP therapy in children with CF, 2) to further co-create this game with them/their families. Methods: 1-year monocentric, prospective study in the CF clinic at the CHUSJ. Inclusion criteria: age 6-17 years, diagnosed with CF, using PEP therapy for ≥6 months. Thirty participants were enrolled and were able to take home an electronic pressure sensor that follows the number of breaths/repetitions/pressures is connected to the usual PEP setup, enabling them to play a game through their breath and test is over a period of 3 months. Families were regularly contacted for a 15-minutes phone call to gather their feedback, ensuring continuous co-creation with the participants (game usability, visuals and relevance). Results: This innovative serious game was well accepted in our study population. Results show increased adherence to the PEP treatment in comparison to their reported adherence pre-game. Ultimately, this may lead to an improvement in the patients’ lung health due to the better mucus clearing achieved through a more regularly performed PEP treatment.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».