Initial validation and feasibility of a Standardized Navigation Of Winter Mobility & Accessibility Network (SNOWMAN) course for wheelchairs
Notice bibliographique
Résumé
Many Canadian manual wheelchair users face many challenges in winter months such as slippage on ice- or snow-covered ramps, snow windrows, and casters becoming stuck in deep or hard packed snow. These barriers impact wheelchair users' ability to participate in the community. This study aimed to evaluate the validity and feasibility of a winter wheelchair obstacle course known as the Standardized Navigation Of Winter Mobility & Accessibility Network (SNOWMAN). The results demonstrated that the SNOWMAN course authentically represented real-world winter conditions, as confirmed by participant responses and qualitative feedback from four manual wheelchair users. The course was comprehensive, covering a range of winter obstacles typically encountered by wheelchair users. Construct validity was established by differentiating performance between manual wheelchairs and a motorized platform with snow tracks, showcasing varying completion times and device satisfaction levels. Feasibility was also assessed, with the administration protocol being mostly adhered to, safety measures implemented, and usability scores meeting acceptable thresholds. The SNOWMAN course showed promise for evaluating wheelchair adaptations and devices for winter conditions, as well as training users in winter mobility skills. Future research directions include comparing different wheeled mobility devices, exploring adaptations for usability in winter, and developing new technology tailored for challenging terrains and winter conditions. The SNOWMAN course could serve as a valuable tool for both research and clinical applications in enhancing winter mobility for wheelchair users.
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 | 0,006 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,007 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».