MétaCan
Menu
Retour à la cohorte
Enregistrement W4402851361 · doi:10.4017/gt.2024.23.s.936.opp

Understanding digital technology usability in home-based neurorehabilitation: A realist review

2024· review· en· W4402851361 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueGerontechnology · 2024
Typereview
Langueen
DomaineHealth Professions
ThématiqueAssistive Technology in Communication and Mobility
Établissements canadiensNOSM University
Organismes subventionnairesUniversité de MontréalCentre for Interdisciplinary Research in Rehabilitation
Mots-clésNeurorehabilitationUsabilityAssistive technologyHuman–computer interactionPsychologyComputer scienceRehabilitationNeuroscience

Résumé

récupéré en direct d'OpenAlex

PurposeIn the realm of gerontechnology, the integration of digital technology into the management of neurological disorders holds promise, especially for the aging population requiring intensive rehabilitative care in both clinical and home settings.While prior research has informed the advantages of digital rehabilitation platforms for specific populations such as stroke survivors and children with disabilities, the current underutilization of these technologies at home indicates barriers related to their usability in terms of effectiveness, efficiency, and satisfaction (ISO 9241-11, 2018).Our study aims to understand the usability of digital technologies for home-based rehabilitation in older adults with neurological conditions, thus determining essential factors that could influence their implementation.Method We conducted a realist review complemented by expert consultations, adhering to realist review principles (Pawson & al., 2005) and the RAMESES I publication standards (Wong & al., 2013).An initial program theory (figure 1) was developed based on multiple frameworks and established theories to explain the extent of which certain technologies are usable for home neurorehabilitation for older adults.This program theory was reviewed and refined through focus group discussions with five research experts in gerontechnology or realist review methodologies.Their insights were crucial for validating the framework and recommending enhancements.We are currently examining literature from 2015 to 2023 across various databases and grey literature, using the Context-Mechanism-Outcome configuration analysis (CMOC) (Pawson et al., 2005) to further test this program theory.We focus on understanding how the home setting activates mechanisms that influence technology's usability for older adults with neurological conditions.Each CMOC extracted could reinforce or challenge aspects of our program theory, thereby testing and adjusting it to better reflect the reality of technology usability.A second consultation with users, clinicians, and researchers is planned to validate the updated theory based on their experiences.This process aims to lead to a middle-range theory that is specific enough to guide the usability of certain technologies at home and general enough to apply across different situations, such as various technologies or neurological conditions.Results and Discussion An initial program theory explaining the usability of digital technologies for home neurorehabilitation of older adults was developed and validated by field experts.A screening of 4,708 references led to 137 key articles selected for extraction.The resulting middle-range theory details mechanisms triggered by the home setting, offering actionable guidelines for practical implementation of new digital technologies for rehabilitation at home.The findings underscore the critical role of technology in improving quality of life for older adults by facilitating effective, efficient, and satisfying home-based rehabilitation solutions.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesIntégrité de la recherche
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 enseignants0,881
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0040,007
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,367
Tête enseignante GPT0,501
Écart entre enseignants0,134 · 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