Available Assistive Technology Outcome Measures: Systematic Review
Notice bibliographique
Résumé
BACKGROUND: The World Health Organization claimed that measuring outcomes is necessary to understand the benefits of assistive technology (AT) and create evidence-based policies and systems to ensure universal access to it. In clinical practice, there is an increasing need for standardized methods to track AT interventions using outcome assessments. OBJECTIVE: This review provides an overview of the available outcome measures that can be used at the follow-up stage of any AT intervention and integrated into daily clinical or service practice. METHODS: We systematically searched for original manuscripts regarding available and used AT outcome measures by searching for titles and abstracts in the PubMed, Scopus, and Web of Science databases up to March 2023. RESULTS: We analyzed 955 articles, of which 50 (5.2%) were included in the review. Within these, 53 instruments have been mentioned and used to provide an AT outcome assessment. The most widely used tool is the Quebec User Evaluation of Satisfaction with Assistive Technology, followed by the Psychosocial Impact of Assistive Technology Scale. Moreover, the identified measures addressed 8 AT outcome domains: functional efficacy, satisfaction, psychosocial impact, caregiver burden, quality of life, participation, confidence, and usability. The AT category Assistive products for activities and participation relating to personal mobility and transportation was the most involved in the reviewed articles. CONCLUSIONS: Among the 53 cited instruments, only 17 (32%) scales were designed to evaluate specifically assistive devices. Moreover, 64% (34/53) of the instruments were only mentioned once to denote poor uniformity and concordance in the instruments to be used, limiting the possibility of comparing the results of studies. This work could represent a good guide for promoting the use of validated AT outcome measures in clinical practice that can be helpful to AT assessment teams in their everyday activities and the improvement of clinical practice.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,088 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,011 |
| Bibliométrie | 0,018 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».