MétaCan
Menu
Retour à la cohorte
Enregistrement W2009935236 · doi:10.5195/ijt.2009.868

Wheelchair Seating Assessment and Intervention: A Comparison between Telerehabilitation and Face-to-Face Service

2009· article· en· W2009935236 sur OpenAlexaff
Ingrid G Barlow, Lili Liu, Angela R Sekulic

Notice bibliographique

RevueInternational Journal of Telerehabilitation · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensUniversity of AlbertaGlenrose Rehabilitation Hospital
Organismes subventionnairesnon disponible
Mots-clésTelerehabilitationWheelchairPsychological interventionIntervention (counseling)Service (business)Face-to-faceAssistive technologyTelemedicinePhysical medicine and rehabilitationComputer sciencePhysical therapyPsychologyMedicineHealth careNursingBusinessHuman–computer interactionWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

This study compared outcomes of wheelchair seating and positioning interventions provided by telerehabilitation (n=10) and face-to-face (n=20; 10 in each of two comparison groups, one urban and one rural). Comparison clients were matched to the telerehabilitation clients in age, diagnosis, and type of seating components received. Clients and referring therapists rated their satisfaction and identified if seating intervention goals were met. Clients recorded travel expenses incurred or saved, and all therapists recorded time spent providing service. Wait times and completion times were tracked. Clients seen by telerehabilitation had similar satisfaction ratings and were as likely to have their goals met as clients seen face-to-face; telerehabilitation clients saved travel costs. Rural referring therapists who used telerehabilitation spent more time in preparation and follow-up than the other groups. Clients assessed by telerehabilitation had shorter wait times for assessment than rural face-to-face clients, but their interventions took as long to complete.

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)0,001
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: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,437
Écart entre enseignants0,400 · 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'étudeEssai non randomisé
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

Citations31
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of TelerehabilitationMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207