MétaCan
Menu
Retour à la cohorte
Enregistrement W4382798039 · doi:10.1080/14473828.2023.2219476

Case study: Benefits and challenges of automated assistive technology devices for spinal cord-injured citizens in Greece

2023· article· en· W4382798039 sur OpenAlexaboutno aff
Maria-Loreta Miskala, Panagiotis Siaperas

Notice bibliographique

RevueWorld Federation of Occupational Therapists Bulletin · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueAssistive Technology in Communication and Mobility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAssistive technologyOccupational therapyScope (computer science)Intervention (counseling)Spinal cord injuryAssistive deviceProcess (computing)Applied psychologyMedicinePsychologyPhysical medicine and rehabilitationMedical educationNursingPhysical therapyComputer scienceSpinal cordHuman–computer interactionPsychiatry

Résumé

récupéré en direct d'OpenAlex

The purpose of the present case study was to investigate the impact of assistive technology on the engagement in and performance of preferred occupations, for spinal cord-injured individuals in Greece. Occupational therapists, uniquely qualified to address issues of occupational justice, considering assistive technology may need to broaden their scope, focusing on a holistic approach. Having compiled an occupational profile of the case study, using the semi-structured interviews of the Canadian Occupational Performance Measure and the Quebec User Evaluation of Satisfaction with Assistive Technology, a better understanding of the matter was possible. People with spinal cord injury face not only issues of functionality but also environmental and social barriers, regardless of the device they use. Assistive technology devices may have positive outcomes for people with physical disabilities. However, Greek service users may greatly benefit from a more structured, person-centered and occupational-focused assessment, provision, accessibility and intervention process to optimize AT benefits.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,217
Score d'incertitude au seuil0,639

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,215
Tête enseignante GPT0,472
Écart entre enseignants0,257 · 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'étudeObservationnel
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Federation of Occupational Therapists BulletinMême sujetAssistive Technology in Communication and MobilityTravaux en français237 207