Wearable technology to capture arm use of stroke survivors in home and community settings: feasibility and early insights on motor performance
Notice bibliographique
Résumé
Objective: factors related to use of the paretic arm/hand. Methods: 30 chronic stroke survivors were monitored with wrist-worn wearable sensors during 12h/day for a 7-day period. Participants also completed standardized assessments to capture stroke severity, arm motor impairments, self-perceived arm use and self-efficacy. Usability of the wearable sensors was assessed using the adapted System Usability Scale and an exit interview. Associations between motor performance and capacity (arm/hand impairments and activity limitations) were assessed using Spearman's correlations. Results: Minimal technical issues or lack of adherence to the wearing schedule occurred, with 87.6% of days procuring valid data from both sensors. Average sensor wear time was 12.6 (standard deviation: 0.2) h/day. Three participants experienced discomfort with one of the wristbands and three other participants had unrelated adverse events. There were positive self-reported usability scores (mean: 85.4/100) and high user satisfaction. Significant correlations were observed for measures of motor capacity and self-efficacy with paretic arm use in the home and the community (Spearman's correlation ρs: 0.44-0.71). Conclusions: This work demonstrates the feasibility and usability of a consumer-grade wearable sensor to capture paretic arm activity outside the laboratory. It provides early insight into stroke survivors' everyday arm use and related factors such as motor capacity and self-efficacy. Impact: The integration of wearable technologies into clinical practice offers new possibilities to complement in-person clinical assessments and to better understand how each person is moving outside of therapy and throughout the recovery and reintegration phase. Insights gained from monitoring stroke survivors arm/hand use in the home and community is the first step towards informing future research with an emphasis on causal mechanisms with clinical relevance.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».