A scoping review of digital fabrication techniques applied to prosthetics and orthotics: Part 1 of 2—Prosthetics
Notice bibliographique
Résumé
BACKGROUND: Traditionally, the manufacture of prostheses is time-consuming and labor-intensive. One possible route to improving access and quality of these devices is the digitalizing of the fabrication process, which may reduce the burden of manual labor and bring the potential for automation that could help unblock access to assistive technologies globally. OBJECTIVES: To identify where there are gaps in the literature that are creating barriers to decision-making on either appropriate uptake by clinical teams or on the needed next steps in research that mean these technologies can continue on a pathway to maturity. STUDY DESIGN: Scoping literature review. METHODS: A comprehensive search was completed in the following databases: Allied and Complementary Medicine Database, MEDLINE, Embase, Global Health Archive, CINAHL Plus, Cochrane Library, Web of Science, Association for Computing Machinery, Institute of Electrical and Electronics Engineers, and Engineering Village, resulting in 3487 articles to be screened. RESULTS: After screening, 130 lower limb prosthetic articles and 117 upper limb prosthetic articles were included in this review. Multiple limitations in the literature were identified, particularly a lack of long-term, larger-scale studies; research into the training requirements for these technologies and the necessary rectification processes; and a high range of variance of production workflows and materials which makes drawing conclusions difficult. CONCLUSIONS: These limitations create a barrier to adequate evidence-based decision-making for clinicians, technology developers, and wider policymakers. Increased collaboration between academia, industry, and clinical teams across more of the pathway to market for new technologies could be a route to addressing these gaps.
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 | 0,014 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,032 | 0,030 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».