Orthotists' perspectives on the adjustment of 3D printed ankle foot orthoses: A mixed methods feasibility study
Notice bibliographique
Résumé
BACKGROUND: An important part of the orthotic treatment process includes performing adjustments to the shape or design of the orthosis to improve its fit and function. However, the ability to adjust 3D printed (3DP) materials is not well understood. OBJECTIVES: (1) To evaluate the usability of completing adjustments on 3DP ankle foot orthoses (AFOs) vs. traditionally-fabricated AFOs, and (2) to explore orthotists' perspectives on the advantages, disadvantages, and similarities of adjusting 3DP materials and identify potential solutions for disadvantages. STUDY DESIGN: Mixed-methods cross-sectional study. METHODS: Ten participating certified orthotists performed a sequence of predetermined adjustment tasks on 3DP AFOs. The Single Ease Question and the System Usability Scale (SUS) were compared between traditional vs. 3DP AFO adjustments. Semistructured interviews were conducted, and a thematic analysis identified key themes. RESULTS: Single Ease Question scores were significantly lower for 3DP adjustments in 50% of tasks. The mean SUS total score was significantly lower ( p < 0.001) for tasks completed on 3DP AFOs compared with traditional AFOs. The thematic analysis identified challenges related to aesthetics, heating, grinding, brittleness, and timing of adjustments. Several similarities and some minor benefits were also noted. Despite challenges, orthotists demonstrated optimism about the 3DP material and proposed several solutions for improvement including optimizing techniques and introducing postprocessing. CONCLUSIONS: 3D printed orthoses were more difficult to adjust and had lower usability for adjustment compared with traditional ones. However, orthotists felt that they would be able to use the material in clinical practice if some of the proposed solutions were implemented.
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 | 0,001 | 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 | 0,000 |
| 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 ».