Bringing a socially assistive robot to the paediatric emergency department: design, development, and usability testing
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction: Children undergoing medical procedures in paediatric Emergency Departments (EDs) often experience significant pain and distress. Socially Assistive Robots (SARs) offer a promising avenue for delivering distraction and emotional support in these high-pressure environments. This study presents the design, development, and formative evaluation of an AI-enhanced SAR to support children during intravenous insertion (IVI) procedures. Methods: The robot system was developed through a participatory design process involving healthcare professionals, patients, caregivers, and interdisciplinary research teams. The SAR was designed to autonomously adapt its behaviour to the child's affective state using AI planning and social signal processing. A two-cycle usability study was conducted across two Canadian paediatric EDs, involving 25 children and their caregivers. Feedback was collected through observations, interviews, and system logs. Results: The SAR was successfully integrated into clinical workflows, with positive responses from children, caregivers, and healthcare providers. Usability testing identified key technical and interaction challenges, which were addressed through iterative refinement. The final system demonstrated robust performance and was deemed ready for a formal randomised controlled trial. Discussion: This work highlights the importance of co-design, operator control, and environmental adaptability in deploying SARs in clinical settings. Lessons learned from the development and deployment process informed six concrete design guidelines for future SAR implementations in healthcare.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle