Volet clinique de la conception et de l’évaluation d’une technologie d’assistance à la préparation de repas conçue avec et pour des personnes ayant subi un Traumatisme CranioCérébral (TCC) grave
Notice bibliographique
Résumé
Introduction : Au Canada, 100 000 personnes sont victimes d'un traumatisme craniocérébral (TCC) annuellement. Les 16-24 ans présentent l’un des taux d’incidence les plus élevés, ce qui signifie qu’une grande partie des victimes et ces personnes vivront en moyenne 50 ans avec les séquelles physiques et cognitives du TCC. De plus, 10% des personnes qui ont subi un traumatisme crânien souffriront des séquelles d’un TCC grave leur causant d’importantes difficultés de fonctionnement, particulièrement au niveau des activités plus complexes de la vie quotidienne, comme la préparation de repas. Les technologies d’assistance à la cognition (TAC) ont démontré leur pertinence pour faciliter le fonctionnement dans leurs habitudes de vie des personnes vivant avec les séquelles d’un TCC. Toutefois, aucune TAC spécifique à la préparation de repas et à cette clientèle n’est actuellement disponible. Méthodologie : La présente thèse présente le volet clinique de la conception d’une technologie d’assistance à la préparation des repas, conception réalisée dans le cadre d’un projet interdisciplinaire joignant les sciences de la réadaptation et de l’informatique. Cette technologie d’assistance nommée COOK (Cognitive Orthosis for coOKing) a été développée avec et pour des personnes qui ont subi un TCC grave vivant en résidence spécialisée. Une approche de conception centrée sur l’utilisateur a d’ailleurs été retenue et organise le projet en trois grandes étapes : 1- l’analyse des besoins 2- le design de la TAC et 3- l’évaluation de ses effets. Une analyse des besoins a d’abord été réalisée auprès des futurs utilisateurs ainsi qu’auprès des acteurs clés afin de dresser le profil des futurs utilisateurs, d’identifier les interventions pertinentes pour optimiser leur fonctionnement et pour ensuite traduire ces interventions en exigences cliniques pour faciliter le design. La phase de design a permis de développer une technologie basée sur les données probantes en réadaptation cognitive et répondant aux besoins spécifiques des futurs utilisateurs. Ces derniers ont d’ailleurs collaboré avec l’équipe tout au long de cette phase. COOK a ensuite été implanté chez les trois participants afin d’évaluer les effets de son utilisation à court et long terme (1, 3 et 6 mois post-implantation) et d’améliorer son utilisabilité. Résultats : Grâce à l’analyse des besoins, trois profils de futurs utilisateurs ont été dressés et les meilleures pratiques en réadaptation cognitive pour répondre à leurs besoins spécifiques ont été identifiées, facilitant ainsi la conception interdisciplinaire de COOK. Avec l’aide de COOK et d’interventions cliniques complémentaires, les trois participants ont tous repris la préparation des repas de façon sécuritaire. De plus, COOK a démontré une efficacité intéressante et les participants étaient satisfaits de la technologie, sauf auprès d’un participant qui ne voyait pas l’utilité pour lui. Conclusion : Cette technologie semble donc prometteuse pour la réadaptation et le maintien à domicile de clientèles présentant des incapacités cognitives. D’autres travaux seront nécessaires afin d’adapter cette technologie à d’autres clientèles et différents milieux de vie.
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 | 0,012 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,003 |
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 ».