Facilitators and Barriers to Implementing VR in Dementia Care Training for Formal Caregivers: A Scoping Review
Notice bibliographique
Résumé
Abstract As the aging population grows, the need for improved dementia care training for formal caregivers is urgent. Virtual reality (VR) offers a promising approach to enhance training outcomes. This scoping review examines the facilitators, barriers, and impacts of implementing fully immersive VR in dementia care training for formal caregivers in long-term care settings. Guided by the Consolidated Framework for Implementation Research, this review followed the Joanna Briggs Institute methodology and PRISMA-ScR guidelines. A systematic search of CINAHL, MEDLINE, Embase, Scopus, Web of Science, and ProQuest identified 469 publications, with nine meeting inclusion criteria. These studies, published between 2015 and 2024, involved 362 formal caregivers aged 44.7 to 65 years. VR interventions fostered empathy through first-person perspectives and helped participants recognize behavioral triggers and apply caregiving strategies using second- and third-person perspectives. Barriers and facilitators were primarily in the innovation domain. Barriers included simulation sickness, headset discomfort, and limited immersive, interactive, and embodied experiences. Facilitators included technological advantages, highly immersive and interactive experiences, a safe training environment, individual user attributes, and structured orientation and support during training. VR training demonstrated benefits across multiple levels, from initial reactions and learning (knowledge, skills, and attitudes) to behavioral changes and systemic outcomes. This review highlights the current landscape of VR-based dementia care training. Future research should refine VR experiences and assess their impact on caregiver-resident interactions. Addressing barriers and leveraging facilitators can support the effective implementation of VR training to enhance care quality and resident well-being in long-term care settings.
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 | 0,036 | 0,124 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,011 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».