Digital tools to support technology-enabled budget management in people with acquired brain injury: a rapid review
Notice bibliographique
Résumé
People with acquired brain injuries (ABI) face financial challenges that affect their daily lives. Managing finances is a crucial activity that can help avoid social isolation. However, this task becomes difficult for people with ABI because of their cognitive impairments. Recent advances in digital technology can help people with ABI manage their finances more effectively. This study aims to identify and describe available digital tools that can help ABI in budget management, and identify their effectiveness, barriers and facilitators to implementation. To address this issue, we conducted a rapid review of academic databases followed by a modified Google/Google Scholar search to identify the digital tools to support budgeting tasks (DBT) used and tested by people with ABI. Our rapid review included only two articles on the use of DBT. The first study showed that common portable electronic devices were acceptable and desirable as memory and organisational aids for people with ABI. The second study documented the development of a DBT and the perception of users (research participants) who found it appealing and user-friendly. However, for both articles, the technologies used are outdated and lack information on barriers and facilitators to using DBT. In conclusion, this literature review revealed that digital technologies have the potential to support budget management in people with ABI, but technology needs to be made available on the market to benefit the users. Further research and development are needed to create new ways to help people with brain injuries manage their budgets.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».