MétaCan
Menu
Retour à la cohorte
Enregistrement W4378228260 · doi:10.3390/s23115054

Will Your Next Therapist Be a Robot?—A Review of the Advancements in Robotic Upper Extremity Rehabilitation

2023· review· en· W4378228260 sur OpenAlexaff
Raouf Fareh, Ammar Yaser Hussein Elsabe, Mohammed Baziyad, Tunajjina Kawser, Brahim Brahmi, Mohammad Habibur Rahman

Notice bibliographique

RevueSensors · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensCollege Ahuntsic
Organismes subventionnairesnon disponible
Mots-clésRehabilitationRobotRoboticsField (mathematics)Physical medicine and rehabilitationComputer scienceMedicineArtificial intelligencePhysical therapy

Résumé

récupéré en direct d'OpenAlex

Several recent studies have indicated that upper extremity injuries are classified as a top common workplace injury. Therefore, upper extremity rehabilitation has become a leading research area in the last few decades. However, this high number of upper extremity injuries is viewed as a challenging problem due to the insufficient number of physiotherapists. With the recent advancements in technology, robots have been widely involved in upper extremity rehabilitation exercises. Although robotic technology and its involvement in the rehabilitation field are rapidly evolving, the literature lacks a recent review that addresses the updates in the robotic upper extremity rehabilitation field. Thus, this paper presents a comprehensive review of state-of-the-art robotic upper extremity rehabilitation solutions, with a detailed classification of various rehabilitative robots. The paper also reports some experimental robotic trials and their outcomes in clinics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,652
Score d'incertitude au seuil0,919

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,079
Tête enseignante GPT0,381
Écart entre enseignants0,302 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations47
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207