Digital Health Technology for Stroke Rehabilitation in Canada: A Scoping Review
Notice bibliographique
Résumé
(1) Background: Digital Health Technology (DHT) is an emerging method for stroke rehabilitation that could potentially be very effective in solving different problems in the therapeutic process. This study aims to explore the use of DHT for stroke rehabilitation in Canada, providing insights into how current technologies have been implemented and identifying gaps to inform future decision-making in clinical, research, and policy settings in the Canadian setting. (2) Methods: We followed the Arksey and O’Malley framework for scoping reviews. The original search was created in Medline (Ovid) and translated to PsycINFO (Ovid), Scopus, and CINAHL with Full Text (EBSCOhost). To locate grey literature, we searched Canadian Theses and Google. The search yielded 163 articles, of which we included 14 (8.6%) in the review. (3) Results: Fourteen studies published between 2010 and 2022 in Canada varied in design: 4 qualitative (28.6%), 4 randomized clinical trials (RCTs) (28.6%), 2 mixed methods (14.3%), and other types. The main goals included assessing intervention effectiveness (35.7%), client (28.6%) and clinician (28.6%) perceptions of technology, and feasibility (21.5%). Most studies focused on upper extremity (UE) function (85.71%), with some addressing walking speed (7.1%) and sitting balance (7.1%). Research mainly targeted the chronic phase of stroke (64.3%). Studies were conducted in home (50%) and institutional settings (42.9%). Technologies included sensors (50%), virtual reality (VR) (42.9%), games (28.6%), telerehabilitation (28.6%), and robots (14.3%). (4) Conclusions: This scoping review offers key insights into the use of DHTs for stroke rehabilitation in Canada, highlighting the types of technologies, their effectiveness, and the facilitators and barriers to adoption. These technologies show promise in improving patient outcomes, and their integration into Canadian healthcare systems presents a significant opportunity to enhance stroke rehabilitation.
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 | 0,014 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,032 | 0,056 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,010 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».