MétaCan
Menu
Retour à la cohorte
Enregistrement W2553210886 · doi:10.2196/rehab.5449

A Personalized Self-Management Rehabilitation System for Stroke Survivors: A Quantitative Gait Analysis Using a Smart Insole

2016· article· en· W2553210886 sur OpenAlexvenueno aff
Richard Davies, Jack Parker, Paul McCullagh, Huiru Zheng, Chris Nugent, N.D. Black, Sue Mawson

Notice bibliographique

RevueJMIR Rehabilitation and Assistive Technologies · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensnon disponible
Organismes subventionnairesEngineering and Physical Sciences Research Council
Mots-clésPhysical medicine and rehabilitationRehabilitationGaitGait analysisStroke (engine)MedicinePhysical therapyPsychologyEngineering

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In the United Kingdom, stroke is the single largest cause of adult disability and results in a cost to the economy of £8.9 billion per annum. Service needs are currently not being met; therefore, initiatives that focus on patient-centered care that promote long-term self-management for chronic conditions should be at the forefront of service redesign. The use of innovative technologies and the ability to apply these effectively to promote behavior change are paramount in meeting the current challenges. OBJECTIVE: Our objective was to gain a deeper insight into the impact of innovative technologies in support of home-based, self-managed rehabilitation for stroke survivors. An intervention of daily walks can assist with improving lower limb motor function, and this can be measured by using technology. This paper focuses on assessing the usage of self-management technologies on poststroke survivors while undergoing rehabilitation at home. METHODS: A realist evaluation of a personalized self-management rehabilitation system was undertaken in the homes of stroke survivors (N=5) over a period of approximately two months. Context, mechanisms, and outcomes were developed and explored using theories relating to motor recovery. Participants were encouraged to self-manage their daily walking activity; this was achieved through goal setting and motivational feedback. Gait data were collected and analyzed to produce metrics such as speed, heel strikes, and symmetry. This was achieved using a "smart insole" to facilitate measurement of walking activities in a free-living, nonrestrictive environment. RESULTS: Initial findings indicated that 4 out of 5 participants performed better during the second half of the evaluation. Performance increase was evident through improved heel strikes on participants' affected limb. Additionally, increase in performance in relation to speed was also evident for all 5 participants. A common strategy emerged across all but one participant as symmetry performance was sacrificed in favor of improved heel strikes. This paper evaluates compliance and intensity of use. CONCLUSION: Our findings suggested that 4 out of the 5 participants improved their ability to heel strike on their affected limb. All participants showed improvements in their speed of gait measured in steps per minute with an average increase of 9.8% during the rehabilitation program. Performance in relation to symmetry showed an 8.5% average decline across participants, although 1 participant improved by 4%. Context, mechanism, and outcomes indicated that dual motor learning and compensatory strategies were deployed by the participants.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,177
Score d'incertitude au seuil0,921

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
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 Opus0,018
Tête enseignante GPT0,309
Écart entre enseignants0,291 · 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

Citations25
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Rehabilitation and Assistive TechnologiesMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207