Winter Mobility and Community Participation Among People Who Use Mobility Devices: A Scoping Review
Notice bibliographique
Résumé
OBJECTIVE: To identify the knowledge, products, and strategies for individuals with mobility-related disabilities used to address challenging winter conditions. DATA SOURCES: AgeLine, OVID, Scopus, and CIHAHL were searched for studies that met the inclusion criteria, from inception to April 2018. Sources for gray literature, or information outside commercial publishing, included ProQUEST, government websites, and manufacturers, vendors, and consumer organization websites. SOURCE SELECTION: Population of people with limited or reduced mobility or mobility device users involved in winter-related environmental conditions; aim was to increase activity, participation, or safety. DATA EXTRACTION: Two reviewers independently applied the inclusion criteria to select eligible sources. Two reviewers independently extracted the data from each source. DATA SYNTHESIS: Twenty-three published peer-reviewed papers were located. Study populations were predominantly those who used wheelchairs (mixed wheelchair type, n=7; power, n=4; manual, n=2), canes (n=3), or specialized winter footwear (n=2). The primary focus of these papers was determined to be tool or device (n=10), recommendations (n=9), strategy (n=2), or resource (n=2). Civic policy documents were variable in citizen responsibility for snow clearing. Limited winter-related supports were identified on consumer organization websites. Although some winter-specific products exist, very few studies have examined the effectiveness of any of these products. CONCLUSIONS: Despite the common experience of challenging winter conditions, a paucity of winter-specific research and innovation relevant for individuals who use mobility devices exists. Researchers, consumers, and industry need to partner to develop novel tools, strategies, resources, and evidence-based recommendations.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».