A qualitative study exploring healthcare professionals’ perceptions of lower limb 3D printed sockets
Notice bibliographique
Résumé
PURPOSE: The purpose of this study was to explore healthcare professionals' (HCPs) perceptions and experiences related to 3D scanning and 3D printing for fabricating lower limb prosthetic sockets. MATERIALS AND METHODS: This study used a qualitative descriptive approach. Participants were recruited through HCPs' professional associations, social media posts, and snowball sampling. Purposive sampling was used to attain variation in provider type. One-on-one telephone interviews were conducted using a semi-structured interview guide. Inductive thematic analysis was performed to identify the main themes. RESULTS: Three themes were identified: (1) 3D scanning of the residual limb for designing prosthetic sockets is perceived as clean, quick, and convenient; (2) concerns about the strength and safety of 3D printed sockets for long-term use; (3) Adoption of 3D scanning and 3D printing technology for fabricating prosthetic sockets. CONCLUSION: We identified perceived benefits and challenges with digital technologies for fabricating prosthetic sockets. To increase adoption, more research demonstrating its efficacy compared to conventional methods, increasing 3D printing material quality, and improving software training programs are needed.Implications for Rehabilitation3D printing and 3D scanning are emerging digital technologies that can be used as alternative methods for prosthetic socket manufacturing in the field of rehabilitation.Our research identified perceived benefits of using digital technologies for fabricating prosthetics sockets (3D scanning is perceived as clean, quick, and convenient) and perceived challenges (concerns about the strength and safety of 3D printed sockets for long-term use and a prolonged learning curve).To increase adoption of these digital technologies, more training should be provided to prosthetists and support provided to integrate new processes into staff workloads.
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 | 0,011 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».