MétaCan
Menu
Retour à la cohorte
Enregistrement W4309885499 · doi:10.1186/s12984-022-01107-2

Therapists’ perspectives on using brain-computer interface-triggered functional electrical stimulation therapy for individuals living with upper extremity paralysis: a qualitative case series study

2022· article· en· W4309885499 sur OpenAlexafffund
Hope Jervis-Rademeyer, Kenneth Ong, Alexander Djuric, Sarah Munce, Kristin E. Musselman, César Márquez-Chin

Notice bibliographique

RevueJournal of NeuroEngineering and Rehabilitation · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensToronto Rehabilitation InstituteUniversity of TorontoUniversity Health Network
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésBrain–computer interfaceFunctional electrical stimulationPsychologyInterface (matter)Physical medicine and rehabilitationQualitative researchMedicinePhysical therapyComputer scienceStimulationPsychiatryNeuroscienceElectroencephalography

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Brain computer interface-triggered functional electrical stimulation therapy (BCI-FEST) has shown promise as a therapy to improve upper extremity function for individuals who have had a stroke or spinal cord injury. The next step is to determine whether BCI-FEST could be used clinically as part of broader therapy practice. To do this, we need to understand therapists' opinions on using the BCI-FEST and what limitations potentially exist. Therefore, we conducted a qualitative exploratory study to understand the perspectives of therapists on their experiences delivering BCI-FEST and the feasibility of large-scale clinical implementation. METHODS: Semi-structured interviews were conducted with physical therapists (PTs) and occupational therapists (OTs) who have delivered BCI-FEST. Interview questions were developed using the COM-B (Capability, Opportunity, Motivation-Behaviour) model of behaviour change. COM-B components were used to inform deductive content analysis while other subthemes were detected using an inductive approach. RESULTS: We interviewed PTs (n = 3) and OTs (n = 3), with 360 combined hours of experience delivering BCI-FEST. Components and subcomponents of the COM-B determined deductively included: (1) Capability (physical, psychological), (2) Opportunity (physical, social), and (3) Motivation (automatic, reflective). Under each deductive subcomponent, one to two inductive subthemes were identified (n = 8). Capability and Motivation were perceived as strengths, and therefore supported therapists' decisions to use BCI-FEST. Under Opportunity, for both subcomponents (physical, social), therapists recognized the need for more support to clinically implement BCI-FEST. CONCLUSIONS: We identified facilitating and limiting factors to BCI-FEST delivery in a clinical setting according to clinicians. These factors implied that education, training, a support network or mentors, and restructuring the physical environment (e.g., scheduling) should be targeted as interventions. The results of this study may help to inform future development of new technologies and interventions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,022
score de la tête « metaresearch » (Gemma)0,037
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,117

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,037
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0120,012
Communication savante0,0060,006
Science ouverte0,0030,008
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,313
Écart entre enseignants0,282 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of NeuroEngineering and RehabilitationMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207