Capturing Objective Functional Measures Using Smartphone Inertial Sensors: Feasibility and Usability Study With Older Adults
Notice bibliographique
Résumé
Background: Digital platforms and smartphone apps have the potential to help patients with musculoskeletal conditions receive targeted interventions and physiotherapy support at home. As musculoskeletal conditions are much more prevalent in older adults, it is important to determine whether these technologies are accessible and acceptable to this demographic, who may possess lower levels of digital literacy compared to younger adults. Objective: The study aims to evaluate the feasibility and usability of completing functional assessments while recording the activity using smartphone inertial sensors in adults 60 years or older. Methods: Participants (N=21) were recruited from a range of community settings to complete a 4-week home-based trial, recording unsupervised sit-to-stand and single-leg balance activities at least once per week using their smartphone. We analyzed the data quality and adherence by number of assessments per week from the uploaded datasets. Feedback on usability was assessed using interviews and the System Usability Score. Results: Inductive content analysis was used to identify 5 top-level categories: app, device, task, time, and personal perception. The mean System Usability Scale score was 81.2 (SD 17.5). The proportion of valid data uploads was 63.8% (81/127) for single-leg balance and 93.5% (58/62) for sit-to-stand measures. Adherence was high, with no significant deviations in the mean number of sessions completed or duration between sessions. Conclusions: Smartphone-based monitoring of functional activities can facilitate unsupervised, remote assessments, thus reducing burden on physiotherapy services and increasing the ability to monitor progress objectively. Activities should be considered for complexity and, where necessary, increase in difficulty over time. App-based feedback is essential to inform users of the progress and adherence to the activities.
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 | 0,010 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».