Technology-Enabled Upper Limb Rehabilitation for Neurological Impairment: A Feasibility Randomized-Controlled Trial Protocol
Notice bibliographique
Résumé
Background. Technology-enabled upper limb (UL) rehabilitation improves therapy intensity and impairment outcomes, however clinical usage remains low and evidence for functional outcomes is limited. While benefits of single-mode technologies have been demonstrated, a combination of technology modes or “hybrid” approach is an emerging option with shoulder to fingertip capability. Investigation of this approach within a hospital setting is warranted to inform occupational therapy practice with neurological patients. Purpose. This study examines feasibility of hybrid technology-enabled UL rehabilitation for in-patients with neurological impairments. Method and Analyses. A Phase II feasibility randomized controlled trial (RCT) will compare usual care versus hybrid technology intervention using three technology modes (robotics, virtual reality, sensor-based therapy) plus usual care. Pre-post outcomes for UL impairment, activity, participation and self-reported function will be analyzed using 2 × 2 repeated measures ANOVA. Effect sizes will inform a power analysis for a full-scale RCT. Field observations and participant surveys will capture feasibility factors. It is anticipated hybrid technology for UL neurorehabilitation will be feasible in a hospital setting and show preliminary effectiveness for improving UL use in daily activities. Ethics and Dissemination. Ethics granted from RBWH Human Research Ethics Committee (HREC/2020/QRBW/67076) and The University of Queensland (2021/HE002211).
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 | 0,042 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,004 |
| Méta-épidémiologie (sens large) | 0,010 | 0,004 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,008 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,071 | 0,012 |
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 ».