Mobile tablet-based therapies following stroke: A systematic scoping review of administrative methods and patient experiences
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Stroke survivors are often left with deficits requiring rehabilitation to recover function and yet, many are unable to access rehabilitative therapies. Mobile tablet-based therapies (MTBTs) may be a resource-efficient means of improving access to timely rehabilitation. It is unclear what MTBTs have been attempted following stroke, how they were administered, and how patients experienced the therapies. The review summarizes studies of MTBTs following stroke in terms of administrative methods and patient experiences to inform treatment feasibility. METHODS: Articles were eligible if they reported the results of an MTBT attempted with stroke participants. Six research databases were searched along with grey literature sources, trial registries, and article references. Intervention administration details and patient experiences were summarized. RESULTS: The search returned 903 articles of which 23 were eligible for inclusion. Most studies were small, observational, and enrolled chronic stroke patients. Interventions commonly targeted communication, cognition, or fine-motor skills. Therapies tended to be personalized based on patient deficits using commercially available applications. The complexity of therapy instructions, fine-motor requirements, and unreliability of internet or cellular connections were identified as common barriers to tablet-based care. CONCLUSIONS: Stroke patients responded positively to MTBTs in both the inpatient and home settings. However, some support from therapists or caregivers may be required for patients to overcome barriers to care. Feasibility studies should continue to identify the administrative methods that minimize barriers to care and maximize patient adherence to prescribed therapy regiments.
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 | 0,019 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,014 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».