AI-Based Gait Analysis System for Rehabilitation: Usability Evaluation of Human-Technology Interaction
Notice bibliographique
Résumé
BACKGROUND: Artificial intelligence (AI)-based gait analysis systems are increasingly applied in rehabilitation settings for objective and quantitative assessment of gait function. However, despite their potential, clinical adoption remains limited due to insufficient consideration of usability, user experience, and integration into actual clinical workflows. OBJECTIVE: This study aimed to conduct a formative evaluation of a prototype AI-based gait analysis system (MediStep M). METHODS: A mixed methods formative usability evaluation was conducted with 5 licensed physical therapists. Qualitative data were collected through focus group interviews, and quantitative usability was measured using the system usability scale (SUS). A scenario-based usability assessment was applied to identify user interface challenges, workflow issues, and potential design improvements. RESULTS: Participants identified major usability barriers, including limited accessibility of the power button, absence of battery status indicators, burdensome manual calibration, and insufficient clinical detail in the gait analysis reports. They also emphasized the need for wireless operation, improved portability, and integration with hospital electronic medical record systems. The mean SUS score was 57 (grade D), indicating suboptimal usability and the need for iterative design refinements. CONCLUSIONS: Although AI-based gait analysis systems hold promise for enhancing rehabilitation outcomes, key usability challenges must be resolved before clinical implementation. Improvements in hardware portability, automated calibration, data management, and user interface design are essential to ensure safety, efficiency, and clinical applicability. These findings provide evidence-based insights to guide iterative development and promote user-centered innovation in AI-based rehabilitation technologies.
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 | 0,011 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».