User-centered development process of an operating interface to couple a robotic glove with a virtual environment to optimize hand rehabilitation following a stroke
Notice bibliographique
Résumé
Introduction: Task-specific neurorehabilitation is crucial to optimize hand recovery shortly after a stroke, but intensive neurorehabilitation remains limited in resource-constrained healthcare systems. This has led to a growing interest in the use of robotic gloves as an adjunct intervention to intensify hand-specific neurorehabilitation. This study aims to develop and assess the usability of an operating interface supporting such a technology coupled with a virtual environment through a user-centered design approach. Methods: Fourteen participants with hand hemiparesis following a stroke were invited to don the robotic glove before browsing through the operating interface and its functionalities, and perform two mobility exercises in a virtual environment. Feedback was collected for improving technology usability. Participants completed the System Usability Scale and ABILHAND questionnaires and their recommendations were gathered and prioritized in a Pugh Matrix. Results: The System Usability Scale (SUS) score for the operating interface was excellent (M = 87.0 SD = 11.6). A total of 74 recommendations to improve the user interface, calibration process, and exercise usability were identified. Conclusion: The application of a full cycle of user-centred design approach confirms the high level of usability of the system which is perceived by end users as acceptable and useful for intensifying neurorehabilitation.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».