The procedure for the administration of anesthesia to the inferior alveolar nerve is one of the most stressful in dental training. Although most studies have made efforts to develop Virtual Reality (VR) dental training, the majority have used non-immersive technologies. However, the effects of immersion, in both the explanation and training phases, on the performance of the dental anesthesia process, remains unclear. Therefore, in this work, we conducted an experimental study to evaluate the impact of immersion on the performance of haptic VR for inferior alveolar nerve anesthesia training. The immersive haptic VR, named VIDA Odonto R, was developed in our research group, and this work contributed with that development. The experiment involved 163 clinical students, divided into 4 groups under different combinations of immersion and haptic feedback. Their performance was evaluated in terms of execution time and the measurements related to the needle insertion. Moreover, we developed and tested a machine learning method for automatic evaluation of the dentistry student's performance, that is an innovative methodology for needle insertion assessment in VR-based dental training. Also, the participants were asked to report their syringe handling, simulator sickness and embodiment experience through questionnaires. Results indicated that groups receiving immersive explanations and/or immersive training showed more accuracy and confidence in administering the anesthesia. Participants perceived a high sense of the virtual hand ownership and realism of the haptic feedback when handling the syringe. Moreover, the proposed experimental design can be applied to any other HMD-based VR simulators that involves performance analysis. These results bring us one step closer to understanding the impact of head-mounted displays (HMDs) on virtual anesthesia training before their adoption at scale, and provide insights in how needle insertion performance can be assessed automatically by machine learning.

O procedimento anestésico do nervo alveolar inferior é um dos mais estressantes no treinamento odontológico. Embora alguns estudos tenham sido feitos para desenvolver o treinamento em realidade virtual (RV), a maioria utiliza tecnologias não imersivas. Portanto, os efeitos da imersão, nas fases de explicação e de treinamento, no desempenho da anestesia dentária, ainda são desconhecidos. Dessa forma, neste trabalho, foi realizado um estudo experimental para avaliar o impacto da imersão no treinamento da anestesia do nervo alveolar inferior. Foi utilizado um simulador em RV imersivo (com uso de óculos de RV) e um dispositivo háptico no formato de seringa anestésica. O simulador em RV usado nesse estudo, denominado VIDA Odonto R, foi desenvolvido pelo nosso grupo de pesquisa e este trabalho contribuiu para esse desenvolvimento. O experimento envolveu 163 estudantes clínicos, divididos em 4 grupos sob diferentes combinações de imersão e retorno háptico. O desempenho no procedimento de anestesia foi avaliado em termos de tempo de execução e medidas relacionadas à inserção da agulha. Além disso, foi desenvolvido e testado um método de aprendizado de máquina para a avaliação automática do desempenho do estudante de odontologia, o qual é uma metodologia inovadora para avaliação da inserção de agulha no treinamento odontológico baseado em RV. As experiências dos participantes em relação à manipulação da seringa, aos efeitos colaterais do simulador e à percepção do avatar embodiment foram auto-avaliadas por meio de questionários. Os resultados indicaram que os grupos que receberam explanação imersiva e/ou treinamento imersivo demonstraram mais precisão e confiança na aplicação da anestesia. Os participantes relataram sensação forte de propriedade da mão virtual e realismo do retorno háptico ao manusear a seringa. Além disso, o desenho experimental proposto pode ser aplicado a qualquer outro simulador de RV imersivo que envolva análise de desempenho. Esses resultados nos aproximam um pouco mais da compreensão do impacto dos dispositivos de RV imersiva no treinamento em anestesia virtual antes de serem adotados em grande escala e, além disso, fornecem informações sobre como o desempenho da inserção de agulha pode ser avaliado automaticamente pelo aprendizado de máquina (machine learning).