Follow-up in low vision rehabilitation for users of assistive technology: a scoping review
Notice bibliographique
Résumé
Assistive technology (AT) is crucial for aiding activities of daily living in individuals with visual impairment; yet, without systematic follow-up device abandonment rates remain high. This scoping review synthesizes existing literature on follow-up processes in individuals with visual impairment undergoing vision rehabilitation with AT. Employing the Arksey and O’Malley framework, this review comprehensively searched seven databases, identifying 1,061 articles, of which 43 were selected for analysis, using the concepts of visual impairment, rehabilitation, and assistive technology. The publications span from 1989 to 2022. Most studies (n = 36, 83%) utilized a mixed-methods design, and 51% (n = 22) originated from the United States. Devices for near vision were the most commonly prescribed type of AT. Follow-up methods included questionnaires and interviews, with most follow-ups conducted at the client’s home. Follow-up timing varied across studies, whereby 37% (n = 16) occurred after one or more years and 33% (n = 14) between one week and four months. Three categories of outcome measures emerged: generic outcomes, task-specific outcomes, and a combination of both. The review identified several gaps in the literature, including a scarcity of research concerning follow-up of AT particularly for both the type and timing of follow-up.
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 | 0,005 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,007 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,003 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».