MétaCan
Menu
Retour à la cohorte
Enregistrement W4416832645 · doi:10.2196/78339

Assistive Robotic Arm to Support Activities of Daily Living in Individuals With Tetraplegia: Protocol for a Real-World Convergent Parallel Mixed Methods Feasibility Study

2025· article· en· W4416832645 sur OpenAlexvenueaboutno aff
Vera Fosbrooke, Barbara Catherine Wortmann, Iris Theodora Maria de Boer, Raphael Rätz, G. Gruener, Anja M Raab

Notice bibliographique

RevueJMIR Research Protocols · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueGaze Tracking and Assistive Technology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProtocol (science)Activities of daily livingAssistive technologyRobotic armRehabilitationRehabilitation roboticsRobotics

Résumé

récupéré en direct d'OpenAlex

Background: Tetraplegia, often resulting from cervical spinal cord injury, may lead to significant motor and sensory loss, severely impacting independence and quality of life (QoL). Assistive technologies, such as wheelchair-mounted robotic arms (WMRAs), offer potential to enhance autonomy in daily living. However, adoption remains limited due to high costs, complex controls, and insufficient end user involvement. Robust evidence on their real-world effectiveness, particularly post hospitalization, is still lacking. Objective: This study aims to explore the feasibility, usability, and user experience of a WMRA for individuals with tetraplegia in real-life posthospitalization settings. It aims to evaluate its support in activities of daily living and conduct a preliminary health economic analysis comparing cost-effectiveness and QoL outcomes with standard care. Methods: This mixed methods feasibility study will be conducted in posthospitalization settings in Switzerland. Up to 15 participants with upper limb impairments (SCI C0-Th1, AIS A-D) using powered wheelchairs will be recruited. They will use the robotic arm for 6 consecutive days. An equal number of participants will be recruited for the economic analysis group. Quantitative data will be collected at baseline and postintervention via standardized questionnaires (Post-Study System Usability Questionnaire, National Aeronautics and Space Administration Task Load Index, European Quality of Life 5-Dimension 5-Level questionnaire, Visual Analogue Scale, adapted version of the Canadian Occupational Performance Measure, and Client Socio-Demographic and Service Receipt Inventory-European Version), while qualitative feedback will be gathered through an informal questionnaire and semistructured interviews. Feasibility will be assessed through task performance and health economic analysis. The latter will include quality-adjusted life years, which quantify quality and length of life, and modeling the Incremental Cost-Effectiveness Ratio, which compares the cost-effectiveness of the intervention based on cost per quality-adjusted life years gained. Findings will be integrated in line with the convergent parallel mixed methods design. Results: Recruitment began in April 2025 and is ongoing as planned; full feasibility, usability, and economic results will be reported upon study completion. We expect the robotic system to reduce caregiver time and associated costs, while enhancing autonomy, QoL, and mental well-being. Potential technical and recruitment challenges have been identified and mitigation strategies planned. Evaluating real-life use of a WMRAs, this study could support the wider adoption of assistive robotic technologies. Conclusions: This research offers key insights into the feasibility, usability, and economic value of robotic assistance for individuals with tetraplegia and will help inform future development and scale-up studies.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,268
Tête enseignante GPT0,572
Écart entre enseignants0,304 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJMIR Research ProtocolsMême sujetGaze Tracking and Assistive TechnologyTravaux en français237 207