MétaCan
Menu
Retour à la cohorte
Enregistrement W4399531667 · doi:10.3233/wor-230560

Technological interventions in functional capacity evaluations: An insight into current applications

2024· review· en· W4399531667 sur OpenAlexaff
Nake Bhupal, Laura Bures, Emika Peterson, Spencer Nicol, Mathieu Figeys, Antonio Miguel Cruz

Notice bibliographique

RevueWork · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensGlenrose Rehabilitation HospitalUniversity of WaterlooUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésUsabilityComputer scienceConsistency (knowledge bases)Information and Communications TechnologyRisk analysis (engineering)Systematic reviewWork (physics)Emerging technologiesData scienceArtificial intelligenceEngineeringHuman–computer interactionBusinessMEDLINE

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Functional Capacity Evaluation (FCE) is a crucial component within return-to-work decision making. However, clinician-based physical FCE interpretation may introduce variability and biases. The rise of technological applications such as machine learning and artificial intelligence, could ensure consistent and precise results. OBJECTIVE: This review investigates the application of information and communication technologies (ICT) in physical FCEs specific for return-to-work assessments. METHODS: Adhering to the PRISMA guidelines, a search was conducted across five databases, extracting study specifics, populations, and technological tools employed, through dual independent reviews. RESULTS: Nine studies were identified that used ICT in FCEs. These technologies included electromyography, heart rate monitors, cameras, motion detectors, and specific software. Notably, although some devices are commercially available, these technologies were at a technology readiness level of 5-6 within the field of FCE. A prevailing trend was the combined use of diverse technologies rather than a single, unified solution. Moreover, the primary emphasis was on the application of technology within study protocols, rather than a direct evaluation of the technology usability and feasibility. CONCLUSION: The literature underscores limited ICT integration in FCEs. The current landscape of FCEs, marked by a high dependence on clinician observations, presents challenges regarding consistency and cost-effectiveness. There is an evident need for a standardized technological approach that introduces objective metrics to streamline the FCE process and potentially enhance its outcomes.

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)0,015
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,035
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0080,007
Études des sciences et des technologies0,0010,002
Communication savante0,0040,003
Science ouverte0,0020,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,157
Tête enseignante GPT0,449
Écart entre enseignants0,292 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorkMême sujetMusculoskeletal pain and rehabilitationTravaux en français237 207