Assistive devices non-use, abandonment, or non-adherence? Toward standard terminology for assistive devices outcomes
Notice bibliographique
Résumé
For individuals with disabilities, failure to use prescribed assistive technology devices (ATDs) according to professional recommendations can have detrimental health consequences. The literature has employed various terms to describe this phenomenon such as nonuse, abandonment, and non-adherence to characterize this behavior, lacking clear and standardized definitions. Consistent use of a standardized language is critical for advancing research in this area. This study aims to identify and describe the concepts related to the failure to use prescribed ATDs, along with the associated contexts, and proposes a framework for standardizing terminology in this domain. A narrative literature review encompassing studies from inception to June 2023 was conducted to elucidate these concepts. Out of 1029 initially identified articles, 27 were retained for in-depth analysis. The review unveiled a significant inconsistency in the use of terms like nonuse, abandonment, noncompliance, and non-adherence. Some articles even employed these terms interchangeably without clear definitions. Only 10 of the 27 reviewed articles provided definitions for the terminology they used. This highlights the crucial need for adopting valid conceptual models to select appropriate terms. Researchers are strongly encouraged to furnish operational definitions aligned with theoretical models and relevant to their research context to advance this field consistently.
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 | 0,062 | 0,127 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,012 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,012 |
| Communication savante | 0,008 | 0,012 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».