Augmented and mixed reality for rehabilitation of people living with Parkinson’s disease: a scoping review
Notice bibliographique
Résumé
Abstract Background Extended reality technology, including virtual, augmented, and/or mixed reality, has the potential to create an engaging rehabilitation experience for people living with Parkinson’s disease (PwPD). Systematic reviews have explored the use of immersive virtual reality in rehabilitation for PwPD, however, studies employing mixed and augmented reality have yet to be systematically identified and mapped. As opposed to fully immersive virtual reality, mixed or augmented reality users can see their physical environments alongside digital elements, which may be beneficial in rehabilitation contexts for PwPD to reduce fall risk. Methods: Studies examining mixed or augmented reality in rehabilitation for PwPD were identified via a scoping review. Systematic searches were conducted of Scopus, Embase, PubMed, PsycInfo, and CINAHL, followed by grey literature searches of Google Scholar, ProQuest Dissertations and Theses/Conference Proceedings, Canada’s Drg Agency Grey Matters Tool, and the Overton Index. Results were screened independently by two reviewers, with two additional reviewers available for cross-checking and discussion. Results 26 studies met the inclusion criteria. 19 studies used head-mounted displays, while seven used treadmills with sensory feedback. Interventions focused most often on addressing motor symptoms via gait, balance, and task-specific training, and took place in settings including laboratories, clinical environments, and the home. Notably, long-term engagement with mixed or augmented reality technology was under-explored, with 12 out of 26 studies examining only a single session. Only one study included qualitative methods, and none of the included studies examined early-onset PD. Conclusion This scoping review identified a need for qualitative work on mixed and augmented reality in rehabilitation for PwPD, in order to better understand user experience. Additionally, longer studies are needed to examine potential long-term benefits and issues surrounding engagement with this technology over time. Future research could also explore applications of this technology for addressing non-motor symptoms, and use for people with early-onset PD.
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 | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».