Mobile Tablet-Based Stroke Rehabilitation: Using mHealth Technology to Improve Access to Early Stroke Rehabilitation
Notice bibliographique
Résumé
<p class="Abstract">Mobile health (mHealth) technology represents a means through which more stroke survivors could access early stroke rehabilitation. Although rehabilitation is most effective when begun early post-stroke, limited resources (facilities, therapists) prevent survivors from initiating therapy. Furthermore, the coupling of an aging population with advances in acute therapy has led to an increase in the absolute number of individuals suffering from and surviving strokes which in turn has put further strain on already scarce rehabilitation resources. There is an urgency to conduct high-quality research exploring cost-effective and creative mHealth devices for early rehabilitation in the acute setting. Mobile technology allows therapists to prescribe apps based on standard cognitive/physical assessments in the acute setting, remotely monitor patient progress across individual carepaths, and update prescribed therapies based on patient feedback and recovery. Recognition of the growing problem of accessing early stroke rehabilitation, and the possibilities offered by mHealth technology led to the development of the RecoverNow platform for stroke rehabilitation in the acute setting. RecoverNow is a custom built, tablet-based stroke rehabilitation platform that houses a variety of previously existing apps with activities analogous or identical to exercises in speech language and/or occupational therapy. While RecoverNow represents how mobile technology can be utilized to address a growing public health issue, the feasibility, acceptability and efficacy of tablet-based stroke rehabilitation are unknown. Studies with the goal of establishing feasibility of early tablet-based stroke rehabilitation are needed and, if appropriate, a randomized controlled trial to establish efficacy.</p>
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 | 0,001 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».