“ <i>Rock on technology</i> ”: perspectives of people with neurological conditions on robot-assisted lower limb and gait neurorehabilitation
Notice bibliographique
Résumé
Purpose Explore perspectives of people living with neurological conditions in Western Australia (WA) on robot-assisted lower limb neurorehabilitation (RALLR), and implementation requirements.Materials and methods This co-designed, qualitative descriptive study included people living with neurological conditions. In-person semi-structured focus groups (FGs) were facilitated by a person with lived experience of stroke. FGs were recorded, data were transcribed, and thematically analysed using a reflexive approach.Results Five FGs included 24 participants (54.2% women, median age 50 years). Of these, thirteen participants had RALLR experience. Primary neurological conditions represented among participants comprised spinal cord injury (n = 11), stroke (n = 3), multiple sclerosis (n = 2), and other conditions (n = 8). Three main themes were established: perceived benefits (physiological, psychosocial, therapy, ambulation, independence, and pain), barriers (awareness, access, cost, psychological challenges, and device limitations), and recommendations for future implementation in WA (access, design, and purpose of robotic devices).Conclusions This study highlights the desire for improved access to RALLR among people living with neurological conditions in WA. Participants acknowledged multiple benefits of RALLR; however, addressing financial, design, and availability barriers of RALLR are necessary for successful adoption. Future efforts should prioritise accessibility in both metropolitan and regional areas, optimise device usability, and foster interdisciplinary collaboration in RALLR integration.
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 | 0,006 | 0,008 |
| 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 | 0,007 | 0,010 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».