MétaCan
Menu
Retour à la cohorte
Enregistrement W2810780167 · doi:10.1186/s12984-018-0391-x

Assisting hand function after spinal cord injury with a fabric-based soft robotic glove

2018· article· en· W2810780167 sur OpenAlexaboutno aff
Leonardo Cappello, Jan T. Meyer, Kevin C. Galloway, Jeffrey D. Peisner, Rachael Granberry, Diana Wagner, Sven Engelhardt, Sabrina Paganoni, Conor J. Walsh

Notice bibliographique

RevueJournal of NeuroEngineering and Rehabilitation · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensnon disponible
Organismes subventionnairesHansjörg Wyss Institute for Biologically Inspired Engineering, Harvard UniversityNational Science Foundation
Mots-clésSoft roboticsRoboticsSpinal cord injuryExoskeletonPowered exoskeletonRehabilitationPhysical medicine and rehabilitationWired gloveActivities of daily livingArtificial intelligenceSimulationRobotComputer scienceWilcoxon signed-rank testMedicineHuman–computer interactionPhysical therapySpinal cordGesture

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Spinal cord injury is a devastating condition that can dramatically impact hand motor function. Passive and active assistive devices are becoming more commonly used to enhance lost hand strength and dexterity. Soft robotics is an emerging discipline that combines the classical principles of robotics with soft materials and could provide a new class of active assistive devices. Soft robotic assistive devices enable a human-robot interaction facilitated by compliant and light-weight structures. The scope of this work was to demonstrate that a fabric-based soft robotic glove can effectively assist participants affected by spinal cord injury in manipulating objects encountered in daily living. METHODS: The Toronto Rehabilitation Institute Hand Function Test was administered to 9 participants with C4-C7 spinal cord injuries to assess the functionality of the soft robotic glove. The test included object manipulation tasks commonly encountered during activities of daily living (ADL) and lift force measurements. The test was administered to each participant twice; once without the assistive glove to provide baseline data and once while wearing the assistive glove. The object manipulation subtests were evaluated using a linear mixed model, including interaction effects of variables such as time since injury. The lift force measures were separately evaluated using the Wilcoxon signed-rank test. RESULTS: The soft robotic glove improved object manipulation in ADL tasks. The difference in mean scores between baseline and assisted conditions was significant across all participants and for all manipulated objects. An improvement of 33.42 ± 15.43% relative to the maximal test score indicates that the glove sufficiently enhances hand function during ADL tasks. Moreover, lift force also increased when using the assistive soft robotic glove, further demonstrating the effectiveness of the device in assisting hand function. CONCLUSIONS: The results gathered in this study validate our fabric-based soft robotic glove as an effective device to assist hand function in individuals who have suffered upper limb paralysis following a spinal cord injury.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,008
Tête enseignante GPT0,253
Écart entre enseignants0,245 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations248
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of NeuroEngineering and RehabilitationMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207