Pediatric powered mobility training: powered wheelchair versus simulator-based practice
Notice bibliographique
Résumé
Many children with physical disabilities lack independent mobility. Powered mobility can be a viable option, but to become proficient drivers, children need opportunities to practice. As is often the case, practice powered wheelchairs are scarce and direct therapy hours dedicated to powered mobility are often limited. Hence, alternative options are needed to enable safe, unsupervised practice. Simulator-based learning has been shown to be an effective training method for powered mobility and other skill-based tasks for adults. The goal of this study was to compare two training methods of powered mobility, powered wheelchair (control group) versus simulator-based (experimental group) practice to determine whether simulation is a feasible and effective method for youth.Method Participants included 30 children and adolescents (23 males, 13 females) with cerebral palsy and other neuromuscular diseases, aged 6–18. Data were collected and compared at baseline and after 12 weeks of home-based practice via a powered wheelchair or a simulator. Powered mobility ability was determined by the Powered Mobility Program (PMP), the Israel Ministry of Health’s Powered Mobility Proficiency Test (PM-PT) and the Assessment of Learning Powered Mobility (ALP).Results All participants practiced for the required amount of time and both groups reported a similar user experience. Both groups achieved significant improvement following the practice period as assessed by the PMP and PM-PT assessments, with no significant differences between them. A significant improvement was found in the ALP assessment outcomes for the powered wheelchair group only.Conclusions This is the first study, to our knowledge, that compares two different wheelchair training methods. Simulator-based practice is an effective training option for powered mobility for children with physical disabilities aged 6–18 years old, demonstrating that it is possible to provide driving skill practice opportunities safe, controlled environments.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».