MétaCan
Menu
Retour à la cohorte
Enregistrement W4417179483 · doi:10.1111/obr.70051

Exploring Virtual Reality for Body Image Assessment and Psychological Interventions in Individuals With Obesity: a Comprehensive Review

2025· review· en· W4417179483 sur OpenAlexafffund
Giulia Corno, Ángel Zamora, Stéphane Bouchard, Rosa Baños, Aurélie Baillot, Johana Monthuy‐Blanc

Notice bibliographique

RevueObesity Reviews · 2025
Typereview
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensUniversité du Québec à Trois-RivièresInstitut du Savoir MontfortUniversité de MontréalInstitut Universitaire en Santé Mentale de QuébecUniversité du Québec en OutaouaisCégep de l'Outaouais
Organismes subventionnairesCanadian Institutes of Health ResearchTakeda CanadaUniversité du Québec à Trois-Rivières
Mots-clésVirtual realityPsychological interventionField (mathematics)MEDLINEBehaviour change

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Individuals living with obesity often experience body image (BI) disturbances, which can negatively affect their quality of life and treatment outcomes. Virtual reality (VR) has emerged as a promising tool for enhancing psychological interventions, but no comprehensive review has specifically focused on VR-based studies addressing BI disturbances in this population. METHODS: This comprehensive review examined studies utilizing VR for the assessment and treatment of BI disturbances in individuals with obesity. Twelve studies met the inclusion criteria. RESULTS: Studies were categorized into three groups: (i) VR in psychological interventions for individuals with obesity, (ii) VR interventions following metabolic and bariatric surgery, and (iii) VR-based full-body illusion experiments. The primary clinical application was experiential cognitive therapy, which demonstrated greater efficacy in reducing negative BI compared with standard cognitive behavioral therapy and other treatments. Studies involving post-metabolic and bariatric surgery adults also supported VR's efficacy in reducing BI dissatisfaction, though long-term benefits were inconsistent. Full-body illusion experiments suggested that VR can help modify distorted body perceptions. However, most studies were conducted by the same research group, focused exclusively on women, and were limited to specific geographical regions, primarily Italy. CONCLUSION: While preliminary results suggest that VR is a promising tool for treating BI disturbances in individuals with obesity, the field remains under-researched. Notably, no studies have explored VR's potential as an assessment tool in this population. Future studies should include more diverse populations, investigate long-term outcomes, and explore potential barriers to clinical implementation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0050,004
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,404
Tête enseignante GPT0,479
Écart entre enseignants0,075 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueObesity ReviewsMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207