Development of a virtual reality-based intervention for community walking post stroke: an integrated knowledge translation approach
Notice bibliographique
Résumé
PURPOSE: To develop a virtual reality (VR) based intervention targeting community walking requirements. METHODS: Two focus groups each involving 7 clinicians allowed exploring optimal features, needed support and perceived favorable/unfavorable factors associated with the use of the VR-based intervention from the clinicians' perspective. Three stroke survivors and 2 clinicians further interacted with the intervention and filled questionnaires related to acceptability and favorable/unfavorable perceptions on the VR intervention. Stroke participants additionally rated their perceived effort (NASA Tax Load Index), presence (Slater-Usoh-Steed) and cybersickness (Simulator Sickness Questionnaire). RESULTS: Results identified optimal features (patient eligibility criteria, task complexity), needed support (training, human assistance), as well as favorable (cognitive stimulation, engagement, representativeness of therapeutic goals) and unfavorable factors (misalignment with a natural walking pattern, client suitability, generalization to real-life) associated with the intervention. Acceptability scores following the interaction with the tool were 28 and 42 (max 56) for clinicians and ranged from 43 to 52 for stroke participants. Stroke participants reported moderate perceptions of effort (range:20-33/max:60), high levels of presence (29-42/42) and minimal cybersickness (0-3/64). CONCLUSION: Findings collected in the early development phase of the VR intervention will allow addressing favorable/unfavorable factors and incorporating desired optimal features, prior to conducting effectiveness and implementation studies.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».