Scoping review of outcome measures used in telerehabilitation and virtual reality for post-stroke rehabilitation
Notice bibliographique
Résumé
Introduction Despite the increased interest in telerehabilitation (TR), virtual reality (VR) and outcome measures for stroke rehabilitation, surprisingly little research has been done to map and identify the most common outcome measures used in TR. For this review, we conducted a systematic search of the literature that reports outcome measures used in TR or VR for stroke rehabilitation. Our specific objectives included: 1) to identify the outcome measures used in TR and VR studies; and 2) to describe which parts of the International Classification of Functioning are measured in the studies. Methods We conducted a comprehensive search of relevant electronic databases (e.g. PubMed, the Cumulative Index to Nursing and Allied Health Literature, Embase, PSYCOINFO, The Cochrane Central Register of Controlled Trial and the Physiotherapy Evidence Database). The scoping review included all study designs. Two reviewers conducted pilot testing of the data extraction forms and independently screened all the studies and extracted the data. Disagreements about inclusion or exclusion were resolved by consensus or by consulting a third reviewer. Results In total, 28 studies were included in this scoping review. The results were synthesized and reported considering the implications of the findings within the clinical practice and policy context. Discussion This scoping review identified a wide range of outcome measures used in VR and TR studies and helped identify gaps in current use of outcome measures in the literature. The review also informs researchers and end users (i.e. clinicians, policymakers and researchers) regarding the most appropriate outcome measures for TR or VR.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».