A survey of stakeholder perspectives on exoskeleton technology
Notice bibliographique
Résumé
BACKGROUND: Exoskeleton technology has potential benefits for wheelchair users' health and mobility. However, there are practical barriers to their everyday use as a mobility device. To further understand potential exoskeleton use, and facilitate the development of new technologies, a study was undertaken to explore perspectives of wheelchair users and healthcare professionals on reasons for use of exoskeleton technology, and the importance of a variety of device characteristics. METHODS: An online survey with quantitative and qualitative components was conducted with wheelchair users and healthcare professionals working directly with individuals with mobility impairments. Respondents rated whether they would use or recommend an exoskeleton for four potential reasons. Seventeen design features were rated and compared in terms of their importance. An exploratory factor analysis was conducted to categorize the 17 design features into meaningful groupings. Content analysis was used to identify themes for the open ended questions regarding reasons for use of an exoskeleton. RESULTS: 481 survey responses were analyzed, 354 from wheelchair users and 127 from healthcare professionals. The most highly rated reason for potential use or recommendation of an exoskeleton was health benefits. Of the design features, 4 had a median rating of very important: minimization of falls risk, comfort, putting on/taking off the device, and purchase cost. Factor analysis identified two main categories of design features: Functional Activities and Technology Characteristics. Qualitative findings indicated that health and physical benefits, use for activity and access reasons, and psychosocial benefits were important considerations in whether to use or recommend an exoskeleton. CONCLUSIONS: This study emphasizes the importance of developing future exoskeletons that are comfortable, affordable, minimize fall risk, and enable functional activities. Findings from this study can be utilized to inform the priorities for future development of this technology.
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 | 0,008 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».