Factors That Contribute to the Use of Stroke Self-Rehabilitation Technologies: A Review
Notice bibliographique
Résumé
Background Stroke is increasingly one of the main causes of impairment and disability. Contextual and empirical evidence demonstrate that, mainly due to service delivery constraints, but also due to a move toward personalized health care in the comfort of patients’ homes, more stroke survivors undergo rehabilitation at home with minimal or no supervision. Due to this trend toward telerehabilitation, systems for stroke patient self-rehabilitation have become increasingly popular, with many solutions recently proposed based on technological advances in sensing, machine learning, and visualization. However, by targeting generic patient profiles, these systems often do not provide adequate rehabilitation service, as they are not tailored to specific patients’ needs. Objective Our objective was to review state-of-the-art home rehabilitation systems and discuss their effectiveness from a patient-centric perspective. We aimed to analyze engagement enhancement of self-rehabilitation systems, as well as motivation, to identify the challenges in technology uptake. Methods We performed a systematic literature search with 307,550 results. Then, through a narrative review, we selected 96 sources of existing home rehabilitation systems and we conducted a critical analysis. Based on the critical analysis, we formulated new criteria to be used when designing future solutions, addressing the need for increased patient involvement and individualism. We categorized the criteria based on (1) motivation, (2) acceptance, and (3) technological aspects affecting the incorporation of the technology in practice. We categorized all reviewed systems based on whether they successfully met each of the proposed criteria. Results The criteria we identified were nonintrusive, nonwearable, motivation and engagement enhancing, individualized, supporting daily activities, cost-effective, simple, and transferable. We also examined the motivation method, suitability for elderly patients, and intended use as supplementary criteria. Through the detailed literature review and comparative analysis, we found no system reported in the literature that addressed all the set criteria. Most systems successfully addressed a subset of the criteria, but none successfully addressed all set goals of the ideal self-rehabilitation system for home use. Conclusions We identified a gap in the state-of-the-art in telerehabilitation and propose a set of criteria for a novel patient-centric system to enhance patient engagement and motivation and deliver better self-rehabilitation commitment.
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 | 0,006 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,015 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».