“Connecting patients and therapists remotely using technology is feasible and facilitates exercise adherence after stroke”
Notice bibliographique
Résumé
Purpose: Repetitive task practice after stroke is important to improve function, yet adherence to exercise is low. The aim of this study was to determine whether using the internet, a tablet application, and a chair sensor that connected to a therapist was feasible in monitoring adherence and progressing a functional exercise at home.Methods: Ten participants with stroke completed a 4-week sit-to-stand exercise using the technology at home (ACTRN12616000051448). A therapist remotely monitored exercise adherence, progressed goals, and provided feedback via the app. Measures of feasibility (design, recruitment/withdrawals, adherence, safety, participant satisfaction and estimates of effect on function) were collected.Results: Participants' mean age was 73.6 years [SD 9.9 years]. The system was feasible to deliver and monitor exercise remotely. All participants completed the study performing a mean 125% of prescribed sessions and 104% of prescribed repetitions. Participants rated the system usability (78%), enjoyment (70%) and system benefit (80%) as high. No adverse events were reported. The mean pre- and post-intervention difference in the total short performance physical battery score was 1.4 (95% CI 0.79, 2.00).Conclusions: It was feasible and safe to prescribe and monitor exercises using an app and sensor-based system. A definitive trial will determine whether such technology could facilitate greater exercise participation after stroke.
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 | 0,005 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».