Qualitative experiences of new motorised mobility scooter users relevant to their scooter skills: a secondary analysis
Notice bibliographique
Résumé
Objective To explore the experiences of new motorised mobility scooter users from the perspectives of the assessment and training of scooter skills.Design Descriptive secondary analysis of qualitative data.Setting Community.Participants 20 New users of motorised mobility scooters.Interventions Not applicable.Main outcome measures Directed qualitative analysis of up to four semi-structured interviews over the course of the first year of scooter use, to identify themes and sub-themes that could inform recommendations regarding assessment and training protocols.Results We identified two themes. The first related to potential new content. As one example of the sub-themes, there were many excerpts that dealt with the use of skills in various combinations and permutations that were used to carry out activities during everyday life and participate in society. These excerpts suggested the importance of training skills in combination to facilitate skill transfer (or generalizability). The second theme is related to enhancements of existing content. As one example of the sub-themes, there were several excerpts that dealt with scooter security. These excerpts led to the recommendation that removing and inserting the scooter key should be added to the assessment criteria for the “turns power on and off” skill of the Wheelchair Skills Test (WST) and its questionnaire version (WST-Q).Conclusions The experiences of scooter users over the first year of receiving a scooter appear to be relevant to the assessment and training of scooter skills and suggest themes for further study. Clinical trial registration number: NCT02696213 IMPLICATIONS FOR REHABILITATIONThe experiences of new scooter users are highly relevant to the assessment and training of scooter skills.These experiences suggest both potential new content and enhancements of existing content to the Wheelchair Skills Program Manual.
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 | 0,007 | 0,017 |
| 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 | 0,004 | 0,004 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».