Assistive Technology Use and Provision During COVID-19: Results From a Rapid Global Survey
Notice bibliographique
Résumé
Background: The coronavirus disease 2019 (COVID-19) pandemic has impacted all segments of society, but it has posed particular challenges for the inclusion of persons with disabilities, those with chronic illness and older people regarding their participation in daily life. These groups often benefit from assistive technology (AT) and so it is important to understand how use of AT may be affected by or may help to mitigate the impacts of COVID-19. Objective: The objectives of this study were to explore the how AT use and provision have been affected during the initial stages of the COVID-19 pandemic, and how AT policies and systems may be made more resilient based on lessons learned during this global crisis. Methods: This study was a rapid, international online qualitative survey in the 6 United Nations (UN) languages (English, French, Spanish, Russian, Arabic, Mandarin Chinese) facilitated by extant World Health Organization (WHO) and International Disability Alliance networks. Themes and subthemes of the qualitative responses were identified using Braun and Clarke’s 6-phase analysis. Results: Four primary themes were identified in in the data: Disruption of Services, Insufficient Emergency Preparedness, Limitations in Existing Technology, and Inadequate Policies and Systems. Subthemes were identified within each theme, including subthemes related to developing resilience in AT systems, based on learning from the pandemic. Conclusion: COVID-19 has disrupted the delivery of AT services, primarily due to infection control measures resulting in lack of provider availability and diminished one-to-one services. This study identified a need for stronger user-centred development of funding policies and infrastructures that are more sustainable and resilient, best practices for remote service delivery, robust and accessible tools and systems, and increased capacity of clients, caregivers, and clinicians to respond to pandemic and other crisis situations.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 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 ».