Virtual reality to promote road safety in older adults: Evaluation of a training-based preventive approach / Virtuelle Realität zur Förderung der Verkehrssicherheit bei älteren Erwachsenen: Evaluation eines trai-ningsbasierten präventiven Ansatzes
Notice bibliographique
Résumé
Abstract Background Demographic change is increasing the proportion of older individuals in society, which also heightens the risk of accidents, particularly in road traffic. Virtual reality (VR) applications offer innovative opportunities to promote mobility, safety, and accident prevention among older adults through engaging and safe training environments. Objective This study examined the effects of a VR-based training program (Wegfest) on functional mobility, subjective safety, and accident prevention in older adults. It also explored connections to the digital transformation in health professions education and practice. Methods In a VR intervention study, older adults completed eight training sessions in a simulated traffic environment. Assessments included the Timed Up and Go Test (mobility), the Falls Efficacy Scale – International (FES-I), the Montreal Cognitive Assessment (MoCA), subjective sense of safety, and the number of collisions in the VR setting. Pre-post comparisons were analyzed using Wilcoxon signed-rank tests. Results The training led to significant improvements in mobility (p = .002; d = 0.784) and a reduction in fear of falling (p = .005). Subjective safety increased significantly (p < .001), while collision frequency decreased (p < .001). Cognitive performance remained stable (p = .56). These results indicate that VR training can enhance both objective and subjective aspects of accident prevention. Conclusion VR-based training represents a promising tool to support mobility and safety in older adults. In the context of digital transformation, programs like Wegfest offer valuable potential for patient-centered care and professional training, while also fostering digital literacy among healthcare professionals and older users.
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 | 0,020 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».