Feasibility of a Virtual-Reality-Enabled At-Home Telerehabilitation Program for Stroke Survivors: A Case Study
Notice bibliographique
Résumé
Stroke rehabilitation is a lengthy procedure that is necessary for stroke recovery. However, stroke rehabilitation may not be readily available for patients who live rurally due to barriers such as transportation and expenses. This shortage in wearable technology, in turn, causes health disparity among the rural population, which was exacerbated by the COVID-19 pandemic restrictions. Telerehabilitation (TR) is a potential solution for stroke rehabilitation in rural areas. This one-case study aimed to examine the feasibility and safety of a technology-enabled at-home TR program for stroke survivors living in a rural area in Canada. A VR setup was installed successfully in the home of our participant. A tablet was also supplied for the TR program. Each program consisted of 24 sessions to be completed over a 12-week period. Our participant was assessed on day one using the Fugl-Meyer assessment, the Modified Ashworth Scale, the 10 m walk test, and the Mini-Mental State Exam. Three questionnaires were also completed, including the Motor Activity Log (MAL), the Stroke Index Scale (SIS), and the Treatment Self-Regulation Questionnaire. These assessments were completed thrice, on day 1, at week 6, and at week 12. The participant found the tablet and its accompanying exercises easy to use, with a few limitations. The participant found the VR system more challenging to manage independently as a lack of comfortability, the visual contrast during the first trials, and certain technical aspects of the technology created several functional barriers. Although some limitations with the technology were noted, this case study indicates that telerehabilitation is feasible under certain circumstances when used in conjunction with traditional rehabilitation services.
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».