Barriers and Facilitators to the Use of Wearable Robots as Assistive Devices: Qualitative Study With Older Adults and Physiotherapists
Notice bibliographique
Résumé
Background: Light wearable robots have the potential to assist older adults with mobility impairments in daily life by compensating for age-related decline in lower extremity strength. Physiotherapists may be the first point of contact for older adults with these devices. Objective: The aims of this study were to explore views of older adults and physiotherapists on wearable robots as assistive devices for daily living and to identify the barriers and facilitators to their use. Methods: Six older adults (aged 72-88 years) tested a wearable robot (Myosuit) and participated in semistructured interviews. A focus group with 6 physiotherapists who had a minimum of 5 years of professional experience and specialized in geriatrics was conducted. Data were analyzed using thematic qualitative text analysis. Results: Older adults perceived benefits and had positive use experiences, yet many saw no need to use the technology for themselves. Main barriers and facilitators to its use were the perception of usefulness, attitudes toward technology, ease of use, and environmental factors such as the support received. Physiotherapists named costs, reimbursement schemes, and complexity of the technology as limiting factors. Conclusions: A light wearable robot-the Myosuit-was found to be acceptable to study participants as an assistive device. Although characteristics of the technology are important, the use and acceptance by older adults heavily depend on perceived usefulness and need.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».