MétaCan
Menu
Retour à la cohorte
Enregistrement W2170823869 · doi:10.3109/01942638.2011.616266

Usual and Virtual Reality Video Game-based Physiotherapy for Children and Youth with Acquired Brain Injuries

2011· article· en· W2170823869 sur OpenAlexaff
Danielle Levac, Patricia A. Miller, Cheryl Missiuna

Notice bibliographique

RevuePhysical & Occupational Therapy In Pediatrics · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueCerebral Palsy and Movement Disorders
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionThematic analysisRehabilitationIntervention (counseling)Virtual realityPopulationMotor skillMotor learningAcquired brain injuryPsychologyMedicineVideo gamePhysical therapyPhysical medicine and rehabilitationApplied psychologyMedical educationQualitative researchNursingMultimediaDevelopmental psychologyComputer scienceHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

Little is known about how therapists promote learning of functional motor skills for children with acquired brain injuries. This study explores physiotherapists' description of these interventions in comparison to virtual reality (VR) video game-based therapy. Six physiotherapists employed at a children's rehabilitation center participated in semi-structured interviews, which were transcribed and analyzed using thematic analysis. Physiotherapists describe using interventions that motivate children to challenge performance quality and optimize real-life functioning. Intervention strategies are influenced by characteristics of the child, parent availability to practice skills outside therapy, and therapist experience. VR use motivates children to participate, but can influence therapist use of verbal strategies and complicate interventions. Physiotherapists consider unique characteristics of this population when providing interventions that promote learning of motor skills. The VR technology has advantageous features but its use with this population can be challenging; further research is recommended.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,663

Scores Codex et Gemma par catégorie

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

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 GPT0,325
Écart entre enseignants0,288 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations57
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysical & Occupational Therapy In PediatricsMême sujetCerebral Palsy and Movement DisordersTravaux en français237 207