MétaCan
Menu
Retour à la cohorte
Enregistrement W2971916259 · doi:10.2196/13560

Development of a Web-Based Monitoring System for Power Tilt-in-Space Wheelchairs: Formative Evaluation

2019· article· en· W2971916259 sur OpenAlexafffundvenue
Charles Campeau-Vallerand, François Michaud, François Routhier, Philippe S. Archambault, Dominic Létourneau, Dominique Gélinas-Bronsard, Claudine Auger

Notice bibliographique

RevueJMIR Rehabilitation and Assistive Technologies · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiquePressure Ulcer Prevention and Management
Établissements canadiensMcGill UniversityCentre intégré universitaire de santé et de services sociaux de la Capitale-NationaleUniversité de MontréalUniversité LavalInstitut interdisciplinaire d'innovation technologiqueUniversité de SherbrookeCentre for Interdisciplinary Research in Rehabilitation
Organismes subventionnairesUniversité de MontréalUniversité de Sherbrooke
Mots-clésWheelchairTilt sensoreHealthFormative assessmentIntervention (counseling)Psychological interventionTilt (camera)MedicineComputer scienceApplied psychologyHuman–computer interactionPsychologyHealth careEngineeringNursingWorld Wide WebTelecommunications

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In order to prevent pressure ulcers, wheelchair users are advised to regularly change position to redistribute or eliminate pressure between the buttocks region and the seat of the wheelchair. A power tilt-in-space wheelchair (allowing simultaneous pivoting of the seat and the backrest of the wheelchair toward the back or front) meets many clinical purposes, including pressure management, increased postural control, and pain management. However, there is a significant gap between the use of tilt as recommended by clinicians and its actual usage. A Web-based electronic health (eHealth) intervention, including a goal setting, monitoring, reminder, and feedback system of the use of power tilt-in-space wheelchairs was developed. The intervention incorporates behavior change principles to promote optimal use of tilt and to improve clinical postprocurement follow-up. OBJECTIVE: This study aimed to conduct a formative evaluation of the intervention prototype to pinpoint the functionalities needed by end users, namely, power wheelchair users and clinicians. METHODS: On the basis of an evaluation framework for Web-based eHealth interventions, semistructured interviews were conducted with power wheelchair users and clinicians. A content analysis was performed with a mix of emerging and a priori concepts. RESULTS: A total of 5 users of power tilt-in-space wheelchairs and 5 clinicians who had experience in the field of mobility aids aged 23 to 55 years were recruited. Participants found the Web interface and the physical components easy to use. They also appreciated the reminder feature that encourages the use of the tilt-in-space and the customization of performance goals. Participants requested improvements to the visual design and learnability of the Web interface, the customization of reminders, feedback about specific tilt parameters, and the bidirectionality of the interaction between the user and the clinician. They thought the current version of the intervention prototype could promote optimal use of the tilt and improve clinical postprocurement follow-up. CONCLUSIONS: On the basis of the needs identified by power wheelchair users and clinicians regarding the prototype of a power tilt-in-space wheelchair monitoring system, 3 main directions were defined for future development of the intervention. Further research with new wheelchair users, manual tilt-in-space wheelchairs, various age groups, and family caregivers is recommended to continue the formative evaluation of the prototype.

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 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)0,002
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,255
Score d'incertitude au seuil0,439

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,037
Tête enseignante GPT0,392
Écart entre enseignants0,355 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations27
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJMIR Rehabilitation and Assistive TechnologiesMême sujetPressure Ulcer Prevention and ManagementTravaux en français237 207