Telerehabilitation Technology Used for Remote Wrist/Finger Range of Motion Evaluation: A Scoping Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Monitoring finger/wrist range of motion (ROM) is an important component of routine hand therapy after surgery. Telerehabilitation is a field that may potentially address various barriers of in-person hand therapy appointments. Therefore, the purpose of this scoping review is to identify telerehabilitation technologies that can be feasibly used in a patient's home to objectively measure finger/wrist ROM. Methods: Following PRISMA-ScR guidelines for scoping reviews, we systematically searched MEDLINE and Embase electronic databases using alternative word spellings for the following core concepts: "wrist/hand," "rehabilitation," and "telemedicine." Studies were imported into Covidence, and systematic two-level screening was done by two independent reviewers. Patient demographics and telerehabilitation information were extracted from the selected articles, and a narrative synthesis of the findings was done. Results: There were 28 studies included in this review, of which the telerehabilitation strategies included smartphone angle measurement applications, smartphone photography, videoconference, and wearable or external sensors. Most studies measured wrist ROM with the most accurate technologies being wearable and external sensors. For finger ROM, the smartphone angle application and photography had higher accuracy than sensor systems. The telerehabilitation strategies that had the highest level of usability in a remote setting were smartphone photographs and estimation during virtual appointments. Conclusions: Telerehabilitation can be used as a reliable substitute to in-person goniometer measurements, particularly the smartphone photography and motion sensor ROM measurement technologies. Future research should investigate how to improve the accuracy of motion sensor applications that are available on easy-to-access devices.
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.
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 | 0,003 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 | 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 découle