Assessing Physical Therapists’ Expectations and Experiences With an Automated Rehabilitation System Using Technology Acceptance Model: Multiple Methods Pilot Study
Notice bibliographique
Résumé
Background: Wearable sensor systems maximize visual and clinical feedback for physical therapists to enhance patient outcomes in rehabilitation medicine. However, physical therapists must adopt and accept new technologies for full integration into routine care to advance the use of technology in clinical care. Their role in technology design is critical in adopting and implementing technology. Interprofessional collaboration should be supported in the design of rehabilitation-assisted technologies. Objective: We used the established tenets of the Technology Acceptance Model to describe physical therapists' expectations and experiences before and after using a novel wearable system in outpatient physical therapy. Methods: This multiple methods pilot study used a comparative pre-post survey and a qualitative semistructured focus group study design. Using purposive sampling, we recruited outpatient physical therapists to pilot the novel wearable technology, describe their expectations and experiences, and participate in a semistructured focus group discussion conducted to gather training and user experience information. Results: The study sample consisted of 5 physical therapists with an average age of 38.8 (SD 6.9) years and a work experience average of 12 (SD 7.7) years. Presurvey data show favorable expectations for usefulness and ease of use; however, favorability in both factors decreased after use. For perceived usefulness, all responses moved in the less favorable direction; mean difference -4.4 (SD 3.21); P=.04. All but 2 responses moved in the less favorable direction for overall perceived ease of use; mean difference -4.8 (SD 1.79); P=.04. Themed responses to open-ended questions in the postsurvey were feedback, setup time, accuracy, performance, and enhanced functional activities. Inductive content analysis of the focus group responses resulted in the following themes: system training, system benefits, system challenges, physical therapist perception of patients, and suggestions for improvement. The expectation for frequency of use decreased pre- to postexperience by 53% (mean -22, SD 14.40; P=.04). Conclusions: The Technology Acceptance Model-based survey responses and focus group themes outcomes demonstrated that physical therapists' expectations for using new technology were not met. Engaging physical therapists in piloting novel wearable technology highlights the importance of physical therapist engagement in developing, refining, and implementing wearable devices for 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 | 0,018 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».