Cycling-Based Telerehabilitation: Acceptability and Feasibility Study
Notice bibliographique
Résumé
Background: Telerehabilitation is a promising solution to provide continuity of care. Most existing telerehabilitation platforms focus on rehabilitating upper limbs, balance, and cognitive training, but exercises improving cardiovascular fitness are often neglected. Objective: The objective of this study is to evaluate the acceptability and feasibility of a telerehabilitation intervention combining cognitive and aerobic exercises. Methods: A virtual reality-based dual-task exercise exploiting a cycle ergometer was designed, developed, and integrated with a commercially available telerehabilitation platform. Patients with different conditions were enrolled and administered subjective questionnaires investigating attitudes toward technology, usability, technology acceptance, and subjective workload. Their therapists were interviewed, and adherence and performance data were analyzed. Results: In total, 26 patients with neurological or post-COVID symptoms were included. Their attitude toward technology (range: 0-5) did not change after the training period (pre: 3.44 [IQR 0.63]; post: 3.50 [IQR 0.48]); the platform was rated usable and acceptable. Frustration and physical and mental workload were present, especially among younger participants. The adherence was moderate, but individual differences were present (0.59 [IQR 0.54]). The therapists highlighted the potential of remote rehabilitation programs but also identified some limitations. Conclusions: This study proved the feasibility and acceptability of a customized virtual reality-based telerehabilitation program allowing for the safe implementation of aerobic cycling-based dual-task training. The solution was judged meaningful for dehospitalized patients, although some environmental and technical barriers should be overcome to implement telerehabilitation more effectively.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».