MétaCan
Menu
Retour à la cohorte
Enregistrement W4407266936 · doi:10.1080/17483107.2025.2460752

Design priorities for an at-home upper limb stroke rehabilitation robot

2025· article· en· W4407266936 sur OpenAlexafffund
Shane Forbrigger, T. Claire Davies, Vincent DePaul, Evelyn Morin, Keyvan Hashtrudi-Zaad

Notice bibliographique

RevueDisability and Rehabilitation Assistive Technology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRehabilitationPhysical medicine and rehabilitationStroke (engine)RobotMedicinePhysical therapyEngineeringComputer scienceArtificial intelligenceMechanical engineering

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The design of at-home stroke rehabilitation robots must be closely linked to the needs of users, especially stroke survivors and therapists, to ensure that such designs are effective in the home environment, which is less controlled than clinical environments. Translating user needs into the technical descriptors of a design is essential to this design process. This paper analyses user needs identified from interviews with stroke survivors and therapists in previous work. METHODS: The relationship between user needs and the broad technical properties of rehabilitation robot design are related using the House of Quality, an approach from Quality Function Deployment. Technical benchmarks are identified from previous rehabilitation robot designs and technical priorities are determined from the House of Quality. An at-home upper limb stroke rehabilitation robot concept for supporting therapy activities in a vertical planar workspace is described and evaluated using the identified technical priorities. IMPACT: The proposed design, a constrained cable robot, is determined to be appropriate for the desired application based on the technical priorities from the House of Quality.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,090
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,003
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,311
Écart entre enseignants0,295 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDisability and Rehabilitation Assistive TechnologyMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207