MétaCan
Menu
Retour à la cohorte
Enregistrement W4393391926

Analyse, modélisation et implémentation de stratégies d’assistance : déploiement d’orthèses cognitives pour les activités instrumentales de la vie quotidienne des traumatisés crâniens

2017· preprint· fr· W4393391926 sur OpenAlexfundaboutno aff
Marisnel Carolina Olivares Amaro

Notice bibliographique

RevueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2017
Typepreprint
Languefr
DomaineEngineering
ThématiqueErgonomics and Human Factors
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchNatural Sciences and Engineering Research Council of CanadaUniversité de SherbrookeRéseau Provincial de Recherche en Adaptation-RéadaptationInstitut Carnot Santé AnimaleCalifornia HIV/AIDS Research Program
Mots-clésOrthoticsSoftware deploymentTraumatic brain injuryPsychologyCognitionPhysical medicine and rehabilitationMedicineApplied psychologyComputer sciencePsychiatry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Les orthèses cognitives peuvent améliorer l'autonomie des traumatisés craniocérébraux (TCC) sévères, tout en intégrant en continu le processus de réadaptation cognitive aux AIVQ au sein de leur domicile. Dans une démarche de conception participative interdisciplinaire, nos travaux ont permis de passer de la pratique des ergothérapeutes à la spécification formelle de plans d'intervention et à l'implémentation de cette pratique dans des orthèses cognitives. Dans cette thèse, une approche reposant sur les personae illustre d'abord les dysfonctionnements chez les TCC, leurs besoins d'assistance, ainsi que les besoins de leurs aidants. Ensuite, deux modèles sont élaborés. Le premier « Gestion dynamique de la réadaptation cognitive » s'intéresse en particulier au choix, à l'adaptation et à l'application d'interventions cognitives fondées sur les données probantes. Le second modèle « Assistance préventive » permet, en situation de danger potentiel, d'assister un TCC de manière progressive et adaptée pour écarter ce danger. Ces modèles sont utilisés de deux manières. D'une part, leur implémentation sous forme d'ontologie OWL illustre comment l'assistance peut être rendue sensible au contexte, dynamique et personnalisée. D'autre part, ils guident la conception et l'implémentation de COOK, une orthèse cognitive pour la préparation de repas, et d'un système de sécurité autonome (SSA) dédié à la prévention et à la sécurité des TCC lors de la préparation de repas. Finalement, une architecture logicielle pour la construction d'orthèses cognitives et dérivée.COOK et SSA ont été déployés au sein d'une résidence pour TCC. Trois résidents peuvent maintenant cuisiner de manière autonome.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0050,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,251
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Même sujetErgonomics and Human FactorsTravaux en français237 207