Facilitators and Barriers to Participation in Exercise-Based Telerehabilitation in Individuals with Stroke: A Scoping Review of Quantitative and Qualitative Studies
Notice bibliographique
Résumé
BACKGROUND: Barriers to stroke rehabilitation, including travel and other costs, impact women more, but may be mitigated with telerehabilitation. This scoping review aimed to identify and describe facilitators and barriers to participation in exercise-based telerehabilitation after stroke. Our secondary aim was to explore whether gender-related facilitators or barriers exist to participation. METHODS: Six electronic databases were searched for studies exploring facilitators and barriers to participation in exercise-based telerehabilitation in community-dwelling adults with stroke. A list of key constructs was developed and provided a definition, and mapped onto one or more domains of the Theoretical Domains Framework (TDF). RESULTS: = 882 participants). The most commonly reported facilitators were mapped onto the TDF domain "environmental context and resources," and included the following: acceptable audio and video features, accessibility, convenience/flexibility of the training schedule and variety of games, and therapist communication skills. Other facilitators included ease of use (TDF "skills" domain), comfort with technology ("knowledge," "skills"), self-perceived improvements in physical function ("reinforcement"), enjoyment ("emotion," "reinforcement"), positive feedback/encouragement from family/friends ("social influences"), and the usefulness of telerehabilitation ("intentions," "reinforcement"). Barriers included challenges with internet speed and connectivity and adjusting and/or wearing the device(s) ("environmental"). Men and women reported facilitators related to "skills" and "knowledge" to participate in telerehabilitation, but few studies described gender-related factors. DISCUSSION: We found that many facilitators and few barriers exist to participation in exercise-based telerehabilitation for men and women with stroke, whereby the environmental and resources domain of the TDF was represented by most constructs.
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 | 0,060 | 0,130 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,014 | 0,016 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».