MétaCan
Menu
Retour à la cohorte
Enregistrement W2968157481 · doi:10.2196/13732

Factors That Contribute to the Use of Stroke Self-Rehabilitation Technologies: A Review

2019· review· en· W2968157481 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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR Biomedical Engineering · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRehabilitationTelerehabilitationService delivery frameworkPerspective (graphical)Health careNarrative reviewStroke (engine)Rehabilitation counselingPsychologyMedicineService (business)Physical medicine and rehabilitationComputer scienceApplied psychologyPhysical therapyTelemedicineArtificial intelligencePsychotherapistEngineeringBusiness

Résumé

récupéré en direct d'OpenAlex

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.

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)0,000
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,902
Score d'incertitude au seuil0,965

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,064
Tête enseignante GPT0,336
Écart entre enseignants0,273 · 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