MétaCan
Menu
Retour à la cohorte
Enregistrement W2952082464 · doi:10.1108/jet-10-2018-0050

End-user involvement in rehabilitation virtual reality implementation research

2019· article· en· W2952082464 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Enabling Technologies · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensSunny Hill Health Centre for Children
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human Development
Mots-clésVirtual realityRehabilitationHuman–computer interactionComputer sciencePsychology

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Despite increasing evidence for the effectiveness of off-the-shelf and rehabilitation-specific active video games (AVGs) and virtual reality (VR) systems for rehabilitation, clinical uptake remains poor. A better match between VR/AVG system capabilities and client/therapist needs, through improved end-user involvement (UI) in VR/AVG implementation research, may increase uptake of this technology. The purpose of this paper is to review four case examples from the authors' collective experience of including end users in VR/AVG research to identify common benefits, challenges and lessons learned. DESIGN/METHODOLOGY/APPROACH: The authors apply knowledge and lessons learned from the four cases to make recommendations for subsequent user-engaged research design and methods, including evaluation of the impact of end UI. FINDINGS: A better match between VR/AVG system capabilities and client/therapist needs leads to improved end UI in all stages of VR/AVG implementation research. There are common benefits of increasing buy-in and soliciting early on the knowledge and skills of therapists as well as input from the ultimate end users: people participating in rehabilitation. Most settings have the challenges of balancing the technology requirements with the needs and goals of the practice setting and of the end users. RESEARCH LIMITATIONS/IMPLICATIONS: Increasing end UI in VR/AVG implementation research may address issues related to poor clinical uptake. In the VR/AVG context, end users can be therapists, clients or technology developers/engineers. This paper presented four case scenarios describing the implementation of different VR/AVG systems and involving a variety of populations, end users and settings. ORIGINALITY/VALUE: The set of recommendations for subsequent user-engaged research design and methods span the process of development, research and implementation. The authors hope that these recommendations will foster collaborations across disciplines, encourage researchers and therapists to adopt VR/AVGs more readily, and lead to efficacious and effective treatment approaches for rehabilitation clients.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,288
Score d'incertitude au seuil0,264

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,062
Tête enseignante GPT0,404
Écart entre enseignants0,343 · 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