An intervention of occupational therapy in parasports using the matching person and technology model: A case study
Notice bibliographique
Résumé
BACKGROUND: The practice of occupational therapy in parasports aims to improve participation in sports as an occupation, reducing barriers stemming from the environmental factors. OBJECTIVE: To analyze the process of choice, prescription and follow-up of assistive technology (AT) in competitive adolescent parasports using the theoretical model Matching Person and Technology. METHODS: Case study with 3 adolescents from 12 to 18 years old in Bocce and Para-badminton modalities was performed. Characterization Questionnaire; Quebec User Evaluation of Satisfaction with assistive Technology (B-Quest); Assistive Technology Device - Predisposition Assessment (ATD PA-Br); Brazil Criteria and Intervention Report were used. RESULTS: Level of income was intermediate and low. The AT used were handcrafted by family and coaches. The Psychosocial factors detected were low privacy, autonomy, discomfort and device appearance. Pre-intervention there was dissatisfaction with AT related to the device and the context. Post-intervention, satisfaction scores increased. CONCLUSIONS: The model was a positive guide regarding the intervention of technology in the parasport, directing the participation of the specialist with the parathletes, their family and coaches, in the continuous monitoring of its use. This was key for the satisfaction in using the AT in sports, besides contributing to their occupational performance and maintaining people with disability in parasports, increasing the possibility of adolescents becoming professional para-athletes. Further studies in this area are suggested.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».