Smart Device–Based Therapy on Hand Motor Function Improvement in Stroke Survivors During Rehabilitation: Scoping Review
Notice bibliographique
Résumé
Background: The prevalence of upper limb impairment ranges from 40% to 50% in the chronic phase of stroke, presenting a significant public health challenge. Although traditional therapy effectively improves hand motor function, it often faces accessibility challenges. Telerehabilitation, particularly smart device-based therapy, provides a scalable and engaging alternative, although its effectiveness still requires further investigation. Objective: This study aimed to identify smart device-based therapy interventions for improving hand motor function in stroke survivors during rehabilitation and to assess their effectiveness in hand motor function improvement in comparison with traditional therapy methods. Methods: A scoping review was conducted following the PRISMA-ScR (Preferred Reporting Items for Systematic Reviews and Meta-Analyses Extension for Scoping Reviews) guidelines to identify and evaluate smart device-based therapy interventions aimed at improving hand motor function in stroke survivors. A comprehensive literature search was performed across multiple databases, including Web of Science, PubMed (MEDLINE), EBSCO Complete, Google Scholar, Science Direct, ClinicalKey, and Scopus. Studies were screened based on predefined inclusion criteria, focusing on clinical trials that investigated the effectiveness of smart device-based rehabilitation approaches. Data extraction was carried out systematically, capturing key study characteristics, intervention types, and outcome measures. The effectiveness of these interventions was assessed and synthesized to provide a comprehensive overview of their impact on hand motor function recovery in stroke rehabilitation. Results: A total of 958 studies were identified, of which 17 met the inclusion criteria. The studies encompassed various research designs, including randomized controlled trials (n=9), pilot feasibility studies (n=3), and a comparative nonrandomized trial (n=1). The interventions used diverse digital strategies, including gamified rehabilitation programs (n=14), virtual or mixed reality systems (n=7), Kinect camera or sensor-based approaches (n=6), Jintronix software platforms (n=4), robot-assisted devices (n=3), and tablet- or app-based rehabilitation systems (n=7). Overall, smart device-based therapies were associated with improvements in hand motor function, frequently reaching clinically meaningful thresholds, while also enhancing patient engagement and adherence. Conclusions: The findings of this scoping study highlight the significant potential of smart device therapies for enhancing hand motor functions among stroke survivors. The development of smart devices is an evolving process, highlighting the need for future studies to assess their long-term effectiveness, optimize intervention designs, and explore their broader application in stroke 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 | 0,009 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,012 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».