RecoverNow: Feasibility of a Mobile Tablet-Based Rehabilitation Intervention to Treat Post-Stroke Communication Deficits in the Acute Care Setting
Notice bibliographique
Résumé
BACKGROUND: Approximately 40% of patients diagnosed with stroke experience some degree of aphasia. With limited health care resources, patients' access to speech and language therapies is often delayed. We propose using mobile-platform technology to initiate early speech-language therapy in the acute care setting. For this pilot, our objective was to assess the feasibility of a tablet-based speech-language therapy for patients with communication deficits following acute stroke. METHODS: We enrolled consecutive patients admitted with a stroke and communication deficits with NIHSS score ≥1 on the best language and/or dysarthria parameters. We excluded patients with severe comprehension deficits where communication was not possible. Following baseline assessment by a speech-language pathologist (SLP), patients were provided with a mobile tablet programmed with individualized therapy applications based on the assessment, and instructed to use it for at least one hour per day. Our objective was to establish feasibility by measuring recruitment rate, adherence rate, retention rate, protocol deviations and acceptability. RESULTS: Over 6 months, 143 patients were admitted with a new diagnosis of stroke: 73 had communication deficits, 44 met inclusion criteria, and 30 were enrolled into RecoverNow (median age 62, 26.6% female) for a recruitment rate of 68% of eligible participants. Participants received mobile tablets at a mean 6.8 days from admission [SEM 1.6], and used them for a mean 149.8 minutes/day [SEM 19.1]. In-hospital retention rate was 97%, and 96% of patients scored the mobile tablet-based communication therapy as at least moderately convenient 3/5 or better with 5/5 being most "convenient". CONCLUSIONS: Individualized speech-language therapy delivered by mobile tablet technology is feasible in acute care.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».