Current State of Connected Sensor Technologies Used During Rehabilitation Care: Protocol for a Scoping Review
Notice bibliographique
Résumé
BACKGROUND: Connected sensor technologies can capture raw data and analyze them using advanced statistical methods such as machine learning or artificial intelligence to generate interpretable behavioral or physiological outcomes. Previous research conducted on connected sensor technologies has focused on design, development, and validation. Published review studies have either summarized general technological solutions to address specific behaviors such as physical activity or focused on remote monitoring solutions in specific patient populations. OBJECTIVE: This study aimed to map research that focused on using connected sensor technologies to augment rehabilitation services by informing care decisions. METHODS: The Population, Concept, and Context framework will be used to define inclusion criteria. Relevant articles published between 2008 to the present will be included if (1) the study enrolled adults (population), (2) the intervention used at least one connected sensor technology and involved data transfer to a clinician so that the data could be used to inform the intervention (concept), and (3) the intervention was within the scope of rehabilitation (context). An initial search strategy will be built in Embase; peer reviewed; and then translated to Ovid MEDLINE ALL, Web of Science Core Collection, and CINAHL. Duplicates will be removed prior to screening articles for inclusion. Two independent reviewers will screen articles in 2 stages: title/abstract and full text. Discrepancies will be resolved through group discussion. Data from eligible articles relevant to population, concept, and context will be extracted. Descriptive statistics will be used to report findings, and relevant outcomes will include the type and frequency of connected sensor used and method of data sharing. Additional details will be narratively summarized and displayed in tables and figures. Key partners will review results to enhance interpretation and trustworthiness. RESULTS: We conducted initial searches to refine the search strategy in February 2024. The results of this scoping review are expected in October 2024. CONCLUSIONS: Results from the scoping review will identify critical areas of inquiry to advance the field of technology-augmented rehabilitation. Results will also support the development of a longitudinal model to support long-term health outcomes. TRIAL REGISTRATION: Open Science Framework jys53; https://osf.io/jys53. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/60496.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,067 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,004 |
| Méta-épidémiologie (sens large) | 0,012 | 0,011 |
| Bibliométrie | 0,021 | 0,017 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,064 | 0,011 |
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 source (Gemma direct ou Codex distillé), 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 ».