Clinicians’ perspectives on inertial measurement units in clinical practice
Notice bibliographique
Résumé
Inertial measurement units (IMUs) have been increasingly popular in rehabilitation research. However, despite their accessibility and potential advantages, their uptake and acceptance by health professionals remain a big challenge. The development of an IMU-based clinical tool must bring together engineers, researchers and clinicians. This study is part of a developmental process with the investigation of clinicians' perspectives about IMUs. Clinicians from four rehabilitation centers were invited to a 30-minute presentation on IMUs. Then, two one-hour focus groups were conducted with volunteer clinicians in each rehabilitation center on: 1) IMUs and their clinical usefulness, and 2) IMUs data analysis and visualization interface. Fifteen clinicians took part in the first focus groups. They expressed their thoughts on: 1) categories of variables that would be useful to measure with IMUs in clinical practice, and 2) desired characteristics of the IMUs. Twenty-three clinicians participated to the second focus groups, discussing: 1) functionalities, 2) display options, 3) clinical data reported and associated information, and 4) data collection duration. Potential influence of IMUs on clinical practice and added value were discussed in both focus groups. Clinicians expressed positive opinions about the use of IMUs, but their expectations were high before considering using IMUs in their practice.
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 | 0,049 | 0,144 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,010 |
| Communication savante | 0,011 | 0,008 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,008 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».