MétaCan
Menu
Retour à la cohorte
Enregistrement W2903679110 · doi:10.1101/492124

Defining the design requirements for an assistive powered hand exoskeleton

2018· preprint· en· W2903679110 sur OpenAlexafffund
Quinn A. Boser, Michael R. Dawson, Jonathon S. Schofield, Gwen Dziwenko, Jacqueline S. Hebert

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2018
Typepreprint
Langueen
DomaineEngineering
ThématiqueProsthetics and Rehabilitation Robotics
Établissements canadiensGlenrose Rehabilitation HospitalUniversity of Alberta
Organismes subventionnairesGlenrose Rehabilitation HospitalTD Bank
Mots-clésExoskeletonGRASPPhysical medicine and rehabilitationSession (web analytics)Control (management)Computer scienceFunction (biology)Human–computer interactionPhysical therapyMedicinePsychologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The goal of this study was to identify design criteria for the development of an assistive powered hand exoskeleton by consulting with potential end users. Structured interviews with clinicians and patients with hand impairment were carried out and the results were tabulated. Three participants with impaired hand function also underwent a quantitative measurement session regarding hand function. The objective of the measurement sessions was to understand the characteristics, abilities and limitations of the upper limb of individuals who could benefit from a hand exoskeleton device, in order to better define design criteria and control options for such a device. For the most part, clinicians and participants with hand impairment agreed on expectations for a hand exoskeleton device on topics including important grasp patterns, wear time, and grip strength. However, their expectation seemed to diverge on the topic of control, where clinicians felt simple reliable control strategies would be preferred, but patients desired intuitive control. This research has identified key features of hand exoskeleton design requirements that will need to be met in order to have acceptable clinical translation to patient populations. Including end-users in the design of such a device is essential for successful patient-oriented technology development.

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)0,007
score de la tête « metaresearch » (Gemma)0,023
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,023
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,247
Écart entre enseignants0,223 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetProsthetics and Rehabilitation RoboticsTravaux en français237 207