MétaCan
Menu
Retour à la cohorte
Enregistrement W4401033693 · doi:10.2196/57227

A Participatory Model for Cocreating Accessible Rehabilitation Technology for Stroke Survivors: User-Centered Design Approach

2024· article· en· W4401033693 sur OpenAlexvenueno aff
Andrew Kerr, Madeleine Grealy, Milena Slachetka, Chioma Obinuchi Wodu, Gillian Sweeney, Fiona Boyd, David Colville, Philip Rowe

Notice bibliographique

RevueJMIR Rehabilitation and Assistive Technologies · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensnon disponible
Organismes subventionnairesChest Heart and Stroke Scotland
Mots-clésParticipatory designRehabilitationUser-centered designCitizen journalismStroke (engine)Physical medicine and rehabilitationHuman–computer interactionComputer sciencePsychologyMedicinePhysical therapyEngineeringWorld Wide WebOperations management

Résumé

récupéré en direct d'OpenAlex

Background: Globally, 1 in 3 people live with health conditions that could be improved with rehabilitation. Ideally, this is provided by trained professionals delivering evidence-based dose, intensity, and content of rehabilitation for optimal recovery. The widely acknowledged inability of global health care providers to deliver recommended levels of rehabilitation creates an opportunity for technological innovation. Design processes that lack close consideration of users' needs and budgets, however, mean that many rehabilitation technologies are neither useful nor used. To address this problem, our multidisciplinary research group have established a cocreation center for rehabilitation technology that places the end user at the center of the innovation process. Objective: This study aims to present the participatory cocreation model that has been developed from our center and illustrate the approach with 2 cases studies. Methods: The model is built around user participation in an intensive rehabilitation program (2-hour sessions, 2-5 times per week, and 8-week duration), supervised by qualified therapists but delivered exclusively through commercial and prototype technology. This provides participants (chronic stroke survivors with movement and/or speech disability) with a rich experience of rehabilitation technology, enabling them to provide truly informed feedback, as well as creating an observatory for the research team. This process is supported by short-term focus groups for specific product development and a longer-term advisory group to consider broader issues of adoption and translation into everyday health care. Results: Our model has been active for 3 years with 92 (92%) out of 100 participants completing the program. Five new technologies have evolved from the process with further ideas logged for future development. In addition, it has led to a set of cocreated protocols for technology-enriched rehabilitation, including recruitment, outcome measures, and intervention structure, which has allowed us to replicate this approach in an acute hospital ward. Conclusions: Suboptimal rehabilitation limits recovery from health conditions. Technology offers the potential support to increase access to recommended levels of rehabilitation but needs to be designed to suit end users and not just their impairment. Our cocreation model, built around participation in an intensive, technology-based program, has produced new accessible technology and demonstrated the feasibility of our overall approach to providing the rehabilitation that people need, for as long as needed.

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)0,046
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,243

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0460,026
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0070,013
Communication savante0,0070,006
Science ouverte0,0040,009
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,068
Tête enseignante GPT0,364
Écart entre enseignants0,296 · 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'étudeQualitatif
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

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Rehabilitation and Assistive TechnologiesMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207