MétaCan
Menu
Retour à la cohorte
Enregistrement W1970567055 · doi:10.2478/s13230-012-0009-0

Development of a robotic device for upper limb stroke rehabilitation: A user-centered design approach

2011· article· en· W1970567055 sur OpenAlexafffund
Elaine Lu, Rosalie H. Wang, Rajibul Huq, Don Gardner, Paul Karam, Karl Zabjek, Debbie Hébert, Jennifer Boger, Alex Mihailidis

Notice bibliographique

RevuePaladyn Journal of Behavioral Robotics · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensQuanser (Canada)Toronto Rehabilitation InstituteUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésRehabilitationStroke (engine)Physical medicine and rehabilitationUser-centered designPhysical therapyFocus groupRehabilitation roboticsMedicineHuman–computer interactionComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Stroke is one of the major causes of permanent adult disability. Stroke frequently affects motor control of the arm, leading to diffculties in doing activities of daily living. This research focuses on developing an upper limb rehabilitation robotic prototype through user-centered design to aid stroke survivors in rehabilitating their arm. To gather requirements from end users, stroke therapy sessions were observed and a survey of stroke therapists was conducted. End user requirements were evaluated to determine technical targets for the mechanical design of the prototype. Evaluation of the prototype was done with stroke therapists in a focus group and a preliminary biomechanical study. As user-centered design would require more iterations of design, testing and evaluation, this project reports a first step in developing an affordable, portable device, which could increase access to stroke rehabilitation for the arm.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,129
Tête enseignante GPT0,335
Écart entre enseignants0,206 · 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'étudeExpérimental (laboratoire)
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

Citations46
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePaladyn Journal of Behavioral RoboticsMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207