From patient to maker - a workflow including people with cerebral palsy in co-creating assistive devices using 3D printing technologies
Notice bibliographique
Résumé
Purpose: Digital fabrication, like 3D printing, is a new opportunity for rehabilitation professionals to produce customized assistive devices. It allows for empowerment and collaboration in device procurement, but practical implementations are scarcely described. We describe the workflow, discuss feasibility and propose directions for future work.Methods: We showcase a process of co-manufacturing a custom spoon handle together with two people with cerebral palsy. Our digital manufacturing process was centered around videoconferencing to remotely control the processes from design to final 3D printing. Device functionality and satisfaction were assessed using standard clinical questionnaires: the Individual Priority Problem Assessment Questionnaire (IPPA) and the Quebec User Satisfaction Assessment with Assistive Technology (QUEST 2.0).Results: IPPA was instrumental in assessing user needs and device effectiveness. QUEST revealed where to focus future design efforts.Conclusion: Involving people with disabilities in co-creation of assistive devices opens for new opportunities for healthcare providers that should be explored in depth using the described methodology. There may also be therapeutic benefits and we envisage specific actions to take in order to make it clinically viable.IMPLICATIONS FOR REHABILITATIONBest practices for co-creation of assistive devices, cost and benefits should be investigated and documented further.Standard questionnaires are useful for measuring effectiveness and satisfaction of co-created devices as well as for guiding design efforts.Co-creation may be a valuable element in therapeutic interventions as an opportunity to unfold creativity.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».