MétaCan
Menu
Retour à la cohorte
Enregistrement W4417362151 · doi:10.1701/4619.46286

Progetto MetaMind – Ausl Toscana sud est: studio preliminare sull’utilizzo della tecnologia digitale nei percorsi psicoterapeutici

2025· article· it· W4417362151 sur OpenAlexaff
Luca Pianigiani, Crescenza Mazzaraco, Valentina Bruchi, Gabriele Cercaci, Luca Canestri, Sandro Limaj, Giuliana Galli, Antonio D'Urso, Elena Capitani, Roberto Turillazzi, Federico Taddeini, Maria Giovanna D'Amato

Notice bibliographique

RevueRecenti Progressi in Medicina · 2025
Typearticle
Langueit
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensChild, Adolescent and Family Mental Health
Organismes subventionnairesnon disponible
Mots-clésStudioFormative assessmentDesign studio

Résumé

récupéré en direct d'OpenAlex

Nel contesto della crescente digitalizzazione dei servizi sanitari, il presente studio preliminare esplora l’introduzione della realtà virtuale (VR) nei percorsi psicoterapeutici territoriali dell’Azienda Usl Toscana sud est – Area Senese. La ricerca, a disegno misto e retrospettivo, ha analizzato l’esperienza di cinque psicoterapeuti attraverso un questionario ibrido, combinando dati quantitativi e qualitativi. Sono stati esaminati 43 trattamenti (30 adulti, 13 adolescenti), evidenziando una buona accettazione della tecnologia e una media di otto incontri per ciclo terapeutico. L’analisi qualitativa ha fatto emergere cinque dimensioni chiave: facilitazione terapeutica, coinvolgimento soggettivo, regolazione emotiva, criticità operative e ruolo professionale. La VR è risultata efficace nell’aumentare l’engagement, l’accesso ai contenuti emotivi e la personalizzazione dell’intervento, pur confrontandosi con ostacoli organizzativi e tecnici. Lo studio si inserisce nel progetto aziendale MetaMind e rappresenta un primo passo verso l’integrazione strutturata della psicologia digitale nei servizi pubblici, proponendo raccomandazioni operative e formative per una futura implementazione su larga scala.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,934
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0030,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,030
Tête enseignante GPT0,327
Écart entre enseignants0,297 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

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'admission1
Résumé présentoui

Explorer davantage

Même revueRecenti Progressi in MedicinaMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207