Supporting client-centred task-oriented training by using low-cost motion detection technology adapted for use in neurological rehabilitation.
Notice bibliographique
Résumé
Introduction:\nClient-centred rehabilitation is important in people with central nervous system diseases\n(PwCNS) to regain or maintain functional ability in activities of daily life (ADL). In practice,\nrehabilitation services struggle to provide the optimal rehabilitation time of 6 hours per day.\nAs technology increases the patient’s motivation and adherence to therapy, the use of\nrehabilitation technology might increase rehabilitation time without decreasing the quality\nof therapy.\nObjectives:\nTo investigate the effect of an additional technology-based client-centred training on\nfunctional performance and ADL in PwCNS.\nMethod:\nA single-blinded randomised controlled trial was performed in PwCNS in 4 Belgian\nrehabilitation centres. The control group received conventional care. The intervention group\nreceived conventional care and additional training with a technology-based system during 6\nweeks, 3x/week, 45min/session. Assessments were performed at baseline, after 3 and 6\nweeks of training, and at 6-weeks follow-up. Primary outcome measures were Wolf Motor\nFunction Test, Manual Ability Measure-36 (MAM-36) and Canadian Occupational\nPerformance Measure.\nResults:\nA total of 45 PwCNS (age 59.07 ± 16.42) participated. Both control and intervention group\nimproved over time in all primary outcome measures. Improvement was mainly found\nduring the 6 week training period. Significant differences between groups was found\nregarding MAM-36 during training period, in favour of intervention group, and 6 weeks\nfollow-up period, benefitting the control group. Compliance to the intervention was 97.92%\nand no adverse effects of the intervention were reported.\n\nConclusion:\nThe additional training with an adapted technology-based system supports conventional\ncare and can be used to increase therapy time.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».