Predicting interest to use mobile-device telerehabilitation (mRehab) by baby-boomers with stroke
Notice bibliographique
Résumé
Context and purpose: Demand for stroke rehabilitation services are reaching unprecedented levels due to an overall population aging, driven by the aging of the baby-boomer generation. Delivery of rehabilitation via mobile-device technologies may provide advantages towards meeting the increasing demands on the rehabilitation system by providing individuals with rehabilitation services in their homes and communities. The aim of this paper is to gain an understanding of the interest of current baby-boomers with stroke to use mobile-device technology to receive rehabilitation services such as education, assessments and exercise programs (mRehab). Methods: People living in the community with stroke born between 1946 and 1964 (i.e., baby-boomer generation) who participated in a larger telerehabilitation survey were included in this study. Regression modeling was used to evaluate personal, health/disability and technological predictors of interest to use mobile-devices for telerehabilitation. Results and significance: Fifty people with stroke, mean age 62.7 (4.4) years, 58% male, 54.2% with moderate or moderately severe disability were included; 86% had access to a mobile phone or tablet. Regression analysis resulted in statistically significant personal (education, β = 0.29 [95% CI = 0.05 to 1.11], population of residence, β = 0.30 [95% CI = 0.07 to 0.69]), health (comorbid conditions, β = 0.30 [95% CI = 0.02 to 0.20]) technology (ownership, β = 0.26 [95% CI = 0.01 to 0.86] and attitude towards telerehabilitation, β = 0.25 [95% CI = 0.01 to 0.79]) predictors of interest to use mobile-devices for telerehabilitation (R2 = 33.1%). This study identifies personal, health and technological factors which predict interest of baby-boomers with stroke with ongoing and complex health needs to use mRehab. Health professionals can use this information as they integrate mRehab into their practice and inform future development of mRehab solutions.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».