MétaCan
Menu
Retour à la cohorte
Enregistrement W4310336085 · doi:10.2196/40374

Systematic Development of the ReWin Application: A Digital Therapeutic Rehabilitation Innovation for People With Stroke-related Disabilities in India

2022· article· en· W4310336085 sur OpenAlexvenueno aff
Sureshkumar Kamalakannan, Vijay Karunakaran, Ashwin Balaji Kaliappan, Ramakumar Nagarajan

Notice bibliographique

RevueJMIR Rehabilitation and Assistive Technologies · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConceptualizationRehabilitationContext (archaeology)Stroke (engine)Health careScale (ratio)Intervention (counseling)MedicinePsychologyKnowledge managementNursingBusinessComputer scienceEngineeringPolitical sciencePhysical therapyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This is a viewpoint paper that aims to describe the systematic approach to the development of a technology-driven stroke rehabilitation innovation to manage disabilities following a stroke at home in India. This paper intends to sensitize public health innovators and intervention development experts about the important aspects that need to be considered to develop a culturally sensitive, patient-centered, scalable solution for stroke care using technology. Stroke has been the second-leading cause of death and the third-leading cause of disability globally for the past 3 decades. The emerging technological innovations for stroke care were predominantly designed and developed by digital technology experts as stand-alone products with very minimal efforts to explore their feasibility, acceptability, and, more importantly, scalability. Hence, a digital therapeutic rehabilitation innovation for people with stroke-related disabilities in India was systematically developed and is being evaluated. ReWin is an innovation that is technologically driven and envisions digital therapeutics as a medium for the provision of rehabilitation to persons with disabilities. It is conceptualized and developed based on the International Classification of Functioning, Disability and Health. ReWin encompasses specific technological aspects to enable its scientific framework and conceptualization to suit the context and needs of stroke care providers and consumers. The framework is built with 2 separate applications, one for the providers and one for the patients and caregivers. Each of these applications has a specific inbuilt design to add data about the demographic details of the user, stroke severity using the National Institute of Health Stroke Scale, and self-assessment of disability measured by the modified Barthel Index. Users can communicate with each other and decide on their therapeutic goals, therapy training information, and progress remotely from where they are. The ultimate outcome expected from the ReWin innovation is a continuum of care for stroke survivors that is effective, safe, and of good quality. Systematic development cannot make the intervention scalable. The intervention needs to be evaluated for its feasibility, acceptability, and effectiveness. Currently, ReWin is being evaluated for its feasibility and acceptability. The evaluation of ReWin will provide an opportunity to develop a scalable solution for empowering therapists and persons with disabilities, in general, to objectively self-manage their treatment. Findings from this study will also provide valuable information about the resources required to deliver such interventions in resource-constrained settings like India.

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)0,033
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,172

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0330,038
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0050,003
Études des sciences et des technologies0,0020,002
Communication savante0,0050,002
Science ouverte0,0020,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,263
Écart entre enseignants0,254 · 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'étudeSans objet
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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Rehabilitation and Assistive TechnologiesMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207