MétaCan
Menu
← Retour à la cohorte
Enregistrement W4377092840 · doi:10.2196/43008

Gait Device Treatment Using Telehealth for Individuals With Stroke During the COVID-19 Pandemic: Nonrandomized Pilot Feasibility Study

2023· article· en· W4377092840 sur OpenAlexvenueno aff
Brianne Darcy, Lauren Rashford, S. Tyler Shultz, Nancey Trevanian Tsai, David Huizenga, Kyle B. Reed, Stacy Bamberg

Notice bibliographique

RevueJMIR Formative Research · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTelehealthPandemicGaitPhysical medicine and rehabilitationStroke (engine)MedicineRehabilitationPhysical therapyWeaknessCoronavirus disease 2019 (COVID-19)TelemedicineHealth careDiseaseSurgery

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: During the COVID-19 pandemic, rehabilitation providers and consumers adopted telehealth practices at unprecedented rates. Multiple prepandemic studies demonstrate the feasibility and comparable efficacy between in-clinic and remote treatment for certain impairments caused by stroke, such as upper extremity weakness and impaired motor function. However, less guidance has been available regarding gait assessment and treatment. Despite this limitation, safe and effective gait treatment is fundamental to optimizing health and well-being after stroke and should be considered a treatment priority, including during the COVID-19 pandemic. OBJECTIVE: This study explores the feasibility of using telehealth to deliver gait treatment using a wearable gait device, the iStride device, to stroke survivors during the 2020 pandemic. The gait device is used to treat hemiparetic gait impairments caused by stroke. The device alters the user's gait mechanics and creates a subtle destabilization of the nonparetic limb; therefore, supervision is required during its usage. Before the pandemic, treatment with the gait device had been provided in person to appropriate candidates using a combination of physical therapists and trained personnel. However, upon the emergence of the COVID-19 pandemic, in-person treatment was halted in adherence to pandemic guidelines. This study investigates the feasibility of 2 remote delivery treatment models with the gait device for stroke survivors. METHODS: Participants were recruited during the first half of 2020 after the onset of the pandemic and included 5 individuals with chronic stroke (mean age 72 years; 84 months post stroke). Four participants were previous gait device users who transitioned to the telehealth delivery model to continue their gait treatment remotely. The fifth participant performed all study-related activities, from recruitment through follow-up, remotely. The protocol included virtual training for the at-home care partner, followed by 3 months of remote treatment with the gait device. Participants were instructed to wear gait sensors during all treatment activities. To assess feasibility, we monitored the safety of the remote treatment, compliance with protocol activities, acceptability of the telehealth treatment delivery, and preliminary efficacy of the gait treatment. Functional improvement was measured using the 10-Meter Walk Test, the Timed Up and Go Test, and the 6-Minute Walk Test, and quality of life was assessed using the Stroke-Specific Quality of Life Scale. RESULTS: No serious adverse events occurred, and participants rated high acceptance of the telehealth delivery. Protocol compliance averaged 95% of treatment sessions, 100% of assessments, and 85% of sensor usage during treatment. After 3 months of treatment, the average improvement in each functional outcome exceeded the minimal clinically important difference or minimal detectable change value. CONCLUSIONS: Remote treatment delivery with the gait device appeared feasible with care partner support. Gait treatment using telehealth may be useful to offset negative immobility impacts for those requiring or preferring remote care during the pandemic or otherwise. TRIAL REGISTRATION: ClinicalTrials.gov NCT04434313; https://clinicaltrials.gov/ct2/show/NCT04434313.

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)0,007
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: Essai non randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,264
Tête enseignante GPT0,511
Écart entre enseignants0,246 · 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'étudeEssai non randomisé
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetStroke Rehabilitation and Recovery→Travaux en français237 207→