MétaCan
Menu
← Retour à la cohorte
Enregistrement W2003153253 · doi:10.3109/17483101003719037

A technique to train finger coordination and independence after stroke

2010· article· en· W2003153253 sur OpenAlexafffund
Ludovic Dovat, Olivier Lambercy, Berna Salman, Vineet Johnson, Theodore E. Milner, Roger Gassert, Etienne Burdet, Teo Chee Leong

Notice bibliographique

RevueDisability and Rehabilitation Assistive Technology · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensMcGill UniversitySimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaImperial College LondonNational University of SingaporeMcMaster University
Mots-clésIndependence (probability theory)RehabilitationPhysical medicine and rehabilitationStroke (engine)Closing (real estate)Computer scienceChronic strokeSimulationArtificial intelligencePhysical therapyPsychologyMedicineEngineeringMathematicsPolitical scienceStatisticsMechanical engineering

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Finger coordination and independence are often impaired in stroke survivors, preventing them from performing activities of daily living. We have developed a technique using a robotic interface, the HandCARE, to train these functions. METHOD: The Hand Cable-Actuated REhabilitation (CARE) system can assist the subject in opening and closing movements of the hand, and can be adapted to accommodate various hand sizes and finger shapes. RESULTS: Two game-like exercises have been developed, which use a motivating approach to promote recovery of finger coordination and independence. Mathematical measures have been implemented to evaluate these functions. This technique is validated with two post-stroke subjects who practiced for 20 minutes twice a week during eight weeks. CONCLUSIONS: The results show significant improvements in finger coordination, force modulation as well as finger independence.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,005
Tête enseignante GPT0,276
Écart entre enseignants0,270 · 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

Citations18
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDisability and Rehabilitation Assistive Technology→Même sujetStroke Rehabilitation and Recovery→Travaux en français237 207→