An intelligent activity-based client-centred training system: a pilot study on motivation, usability and credibility in persons with central nervous system diseases
Notice bibliographique
Résumé
Introduction: Clinicians and rehabilitation centres are searching for affordable technology-supported systems that incorporate a client-centred task-oriented approach which increase client’s motivation and adherence without extra costs and extra individual therapy time. In order to meet these requirements, the intelligent Activity-based Client-centred Taskoriented Training (i-ACT) was developed via user-centred design. Objective: To evaluate the motivation, usability, credibility and treatment expectancy of i-ACT and treatment effect on upper limb functional ability. Method: In four rehabilitation centres, a mixed method longitudinal study was performed. Training with i-ACT was provided for 6 weeks, 3x/week, 45 min/day, additional to treatment as usual. Data collection was performed at baseline, after 2 weeks, 4 weeks and 6 weeks of training and 8-10 weeks after training completion. Semi-structured interviews were conducted with therapists and clients after 6 weeks of training. Results: Seventeen persons with central nervous system diseases participated. Motivation scores on the Intrinsic Motivation Inventory remained high on all subscales (≥ 5.2/7.0), except pressure (≤ 2.0/7.0). Similarly, high scores were seen throughout on the System Usability Scale (≥ 73.8/100) and Credibility/Expectancy Questionnaire (≥ 22.0/27.0, ≥ 15.8/27.0 respectively). Results on upper limb functioning showed a significant progress over time (p<.05). Significant improvement over time was also found on self-perception with the Canadian Occupational Performance Measure (p<.05). Results from the interviews corroborate the findings of the quantitative results. Furthermore, therapists and clients also considered i-ACT user-friendly and affordable. Conclusion: i-ACT is a client-centred task-oriented system with great potential in neurorehabilitation to increase motivation and assist improvement on functional level.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».