建模bci卒中后运动康复的可接受性:对公众大规模研究
伊莉斯Grevet
1
*,
Killyam伪造
2,
Sebastien Tadiello1,玛歌Izac1,
弗兰克Amadieu
2,莱昂内尔·布鲁内尔3,
Lea Pillette
1,
雅克Py
2,大卫Gasq4、5和
卡米尔Jeunet-Kelway
1
- 1CNRS、EPHE INCIA UMR5287,大学德波尔多,波尔多,法国
- 2图卢兹大学CLLE, CNRS,图卢兹,法国
- 3蒙彼利埃大学保罗瓦莱里·3,4556年EPSYLON EA,法国蒙彼利埃
- 4主音,图卢兹大学,由法国图卢兹
- 5法国图卢兹大学医疗中心图卢兹
作品简介:中风离开大约40%的幸存者依赖在他们的日常生活活动,特别是由于严重的运动障碍。脑-机接口(bci)已被证明是提高电机效率中风后恢复,但这效率还远未达到所需水平的临床突破预期临床医生和病人。而改进已确定的技术手段(例如,传感器和信号处理),充分优化bci意义如果患者和临床医生不能或不想使用它们。我们假设改善BCI可接受性将降低病人的焦虑水平,同时提升他们的动机和参与的过程,从而有利于学习,最终,和运动恢复。换言之,可接受性可以作为杠杆提高BCI效率。然而,BCI研究基于可接受性/接受文学失踪。因此,我们的目标是模型BCI的上下文中可接受性卒中后运动康复,并确定其决定因素。
方法:本文的主要结果如下:1)我们设计了第一个模型的可接受性的bci电机卒中后康复,2)我们创建了一个问卷调查来评估可接受性的基础上,模型和分布式的样本代表公众在法国(N= 753,这高响应率增强我们的结果的可靠性),3)我们验证了该模型的结构和iv)量化不同因素对人口的影响。
结果:结果表明,好像与高水平的可接受性卒中后运动康复的上下文中,打算使用它们在这种背景下主要由感知有用性的系统。此外,关于BCI功能为人们提供明确的信息和科学的相关性对可接受性因素和有积极的影响行为意向。
讨论:与这篇文章中,我们提出一个基础(模型)和一个方法,可以适应未来为了研究和比较的结果:我)不同的利益相关者,即。患者和照顾者;(二)世界各地不同的文化不同的人群;3)不同的目标,即。,other clinical and non-clinical BCI applications.
1。介绍
脑-机接口(bci)技术,使用户能够控制应用,如视频游戏(Kerous et al ., 2018)或轮椅(李et al ., 2013),仅仅通过他们的大脑活动。除了这些控制应用程序,好像可以用于neurofeedback (NF)训练的目的学习如何调节自己的大脑活动,不是为了控制一些,但改善或恢复认知或运动技能。BCI-based中风后电动机中能在第二个类别和展示了其功效,提高患者的运动和认知能力(赛尔维拉et al ., 2018;白et al ., 2020;Nojima et al ., 2022)。在未来几年,预计他们将大幅改善中风后受试者的生活质量(Nojima et al ., 2022)。
在经典运动康复,当受试者没有剩余运动,即。,when they cannot move their affected limb at all, physical practice is impossible and both subjects and therapists must rely on mental practice alone. Here, in mental practice, we include motor imagery (MI) as well as attempted movements. In concrete terms, therapists usually ask the subjects to perform MI or to try to move their arm (attempted movements), and simultaneously stimulate the limb by mobilizing it or, for instance, by using functional electrical stimulation (FES-which consists in stimulating peripheral motor nerves in order to artificially generate movements). While associated to encouraging results (Sharma et al ., 2006),遇到的困难当试图证明这个过程的效率可能与不可能,以评估病人的合规要求时执行MI任务(Sharma et al ., 2006)。此外,我们相信纯精神基于实践康复过程存在两个主要的局限性。第一个是治疗师的由于不可能知道,确切地说,病人想象移动或试图移动。因此,提供的反馈病人将最有可能与心肌梗死或不同步运动的尝试。第二个限制的担忧不断提醒病人得到当治疗师问他们移动手臂,他们无法这样做。中风后受试者经历高焦虑水平(伯顿et al ., 2013),这种方法可能也有不利的心理影响,可能导致病人康复过程的分离,和治疗效率较低。
在这种背景下,好像非常相关,因为他们使检测MI /企图受损的肢体动作,感觉-运动节律调节式的所谓的死因特异性)——BCI字段中定义的一个大乐队覆盖μ(μ)和贝塔(β)节奏(8-30 Hz) (Pfurtscheller et al ., 2000),为病人提供一个同步NF,例如使用菲斯,触发一个手臂肌肉收缩,或视觉反馈的运动虚拟手在屏幕上(Pichiorri et al ., 2015)]。这样一个NF培训使参与者自愿自我调节训练他们SMRs在一个封闭的循环过程,这应该支持突触可塑性和运动恢复(Jeunet et al ., 2019)。
虽然这是令人鼓舞的,BCI效率还远未达到所需水平的临床突破预期临床医生和病人。因此,bci仅用于临床实践,外部实验室(Kubler et al ., 2014)。BCI是调制效率的几个因素。许多研究人员正致力于提高效率从“技术”的观点(如信号处理乐天et al ., 2018),或更少通常来自人类学习的角度来看(Pillette et al ., 2020;中华民国et al ., 2021)。这是一个重要的一步:达到效率高是BCI采用的必要条件。尽管如此,它不可能满足这些技术在临床实际使用:充分优化BCIs(传感器、信号处理和培训过程)是毫无意义的,如果患者和临床医生不能或不想使用它们,即。如果bci不接受(Blain-Moraes et al ., 2012)。例如,误解,病人和他们的随从对bci可能产生不利影响的接受这些技术。BCI接受也可以改变的事实,大多数中风患者经历萧条,因此高焦虑水平(伯顿et al ., 2013BCI)有不利影响接受和学习(Jeunet et al ., 2016)。因此,BCI验收可能产生重大影响病人的学习过程,因此在BCI-based中风康复过程的效率。我们假设识别可接受性和接受因素将帮助我们克服这些误区和个性化的过程,这将反过来导致减少焦虑,增加了病人动机和参与水平。这将有利于他们的学习,最终电动机复苏。换句话说,我们希望提高bci的接受水平将导致增加这些技术的效率,因此导致他们的民主化。
因此,它是至关重要的,在设计中风康复程序,考虑作为杠杆优化BCI技术验收效率电动机的复苏。然而,BCI验收仍是一个方面,但鲜有人研究。我们所知,只有(马龙et al ., 2015)评估的相关性BCI-based中风康复过程的上肢使用可接受性和可用性的措施作为主要标准(试验研究,N= 8例)。可接受性和可用性测量的情绪、动机、满意度和感知到的工作负载。事实上,BCI领域,可接受性作为属性主要是评估用户的满意度,本身是用户体验的维度(Kubler et al ., 2014;Nijboer 2015)。马龙et al。(2015)得出结论:BCI训练是“接受了良好的合规/依从性。“同样的结论是上下文中的BCI致力于gamified认知训练对老年人(李et al ., 2013)以及在不同的研究致力于接受bci的肌萎缩性脊髓侧索硬化症(ALS)患者(哈金斯et al ., 2011;Blain-Moraes et al ., 2012;Nijboer 2015),这是接受的临床状况一直是大多数调查(Nijboer 2015)。使用焦点小组方法,Blain-Moraes et al。(2012)表明个人和关系因素影响BCI接受。个人因素包括生理(疼痛,不适),生理疲劳、耐力和心理(焦虑、对技术的态度)问题,和关系因素包括有形的(电极式),技术(BCI和其他类型的软件和硬件之间的关系)和社会(外观、培训和支持人员)的因素。关系比个人的因素有更强的影响。在同一条线上,哈金斯et al . (2011,2015)领导定性研究来评估影响,不同因素(物理接口、安装和培训,可接受的性能,任务和功能优先级)对BCI接受ALS患者和患者经历了脊髓损伤。提供的函数BCI被评为最重要的功能,以及系统的易用性和可用性的备用模式。最后,Geronimo et al。(2015)表明,行为障碍,如冷漠和精神刚度对ALS患者的BCI的使用有一个负面影响的行为。此外,他们进行了试点研究中患者出现低感知控制系统改变了BCI的感知有用性。这一研究领域的唯一一个bci评估验收的使用行为和感知有用性。这些概念从心理学和人机工程学领域,我们利用下一段(Kaleshtari et al ., 2016)。所声称的Kaleshtari et al。(2016),他设计了第一个康复技术接受模型和可用性(RTAU),为了是有效的,必须使用康复技术,因此接受的病人和他们的家人。根据Kaleshtari et al。(2016)这种接受都取决于个人特性,技术特性,和社会影响。领域特定的文学的确表明,BCI可接受性和接受似乎依赖于“主观技术信心和积极的态度使用技术”(马龙et al ., 2015)。脑电图帽特征(凝胶、蒙太奇和时间设置)患者和医护人员都很重要(马龙et al ., 2015;Nijboer 2015)。一般来说,越简单越好(哈金斯et al ., 2011)。尽管如此,EEG技术和可靠性/不适权衡,连同所有BCI-related特点,需要想到的特点和需求的应用程序(例如,所需的可靠性水平)以及根据病人的资料。这就是为什么BCI-based中风康复程序应该仔细适应每个病人的训练环境。在这种精神,Kubler et al . (2014)提出了一个令人鼓舞的方法,提出“从专注于单一方面转变,如准确性和信息传输速率,更全面的用户体验”使用以用户为中心的设计。自那时以来以用户为中心的设计已被证明有助于BCI-based中风康复过程的可接受性和可用性(马龙et al ., 2015),更广泛地说,改善用户体验一直建议加强用户验收,增加BCI系统的性能(Gurkok et al ., 2011)。
认可和接受的概念被引入,以了解导致用户采用或不是一个新系统(亚历山大et al ., 2018)。采用的技术是指使用维护随着时间的推移,即。,没有放弃。具体而言,可接受性测量是评估用户的行为意向(BI)。,他们打算使用技术进行了研究。BI的主要决定因素是感知有用性(PU)和感知易用性(PEOU)。聚氨酯是个人感觉系统的效用,和PEOU信念的程度,使用该系统将需要很少或根本没有工作。可接受性和接受不同的时刻他们测量:可接受性问题之前用户的角度与系统的交互,在验收之前,至少有一分之一的人使用。
我们所知,还没有模型BCI的可接受性。因此,我们的目标是(我)创建一个理论模型的acceptability-based literature-including向BCIs BI影响因素,尤其是在上下文或电动机卒中后康复;(2)从这个模型实施问卷调查,以评估BCI在公众可接受性;(3)验证的结构模型和问卷调查;及(iv)量化不同因素的影响包括在模型上的可接受性。
本研究与我们的目标公众。这使我们收集大样本的观点和态度的人,在法国代表的成年人,从而捕捉BCI可接受性的评估在整个人口,我们将在未来,比较患者和临床医生之一。针对公众似乎特别相关的在这种情况下,有两个原因。首先,由于中风的患病率较高,是成人残疾的主要原因之一(在法国事故Vasculaire脑,2019年),导致很多人被而言,或多或少地直接的病理和相关康复技术。第二,因为近亲的意见和态度会影响病人的接受水平(马纳尔et al ., 2003)。
在本文中,我们首先解释我们的方法来实现这些目标在第二节:(i)的设计模式,(ii)的实现相关的问卷调查,(iii)的验证这些模型和问卷,及(iv)不同的影响因素的量化模型中包括BCI可接受性。然后,我们提出这种方法的结果在第三节,这是基于收集的数据样本代表法国的人口(N= 753)。我们结束讨论我们的研究的局限性和优点。
2。材料和方法
2.1。可接受性的设计模型
2.1.1。回顾文献
来创建我们的模型,我们回顾了文献和选择的模型看起来好像最相关。
在文献中,一些模型的可接受性和验收的技术描述,其中大部分可以应用(即根据焦点。、可接受性或验收)。他们的目标通常是解释,甚至预测,BI的用户。这些模型不同于彼此影响的因素包括和验收/可接受性。最近和主要模型的技术接受模型(TAM) (戴维斯,1989),其中有一个(马纳尔和戴维斯,2000年)和第三(马纳尔巴拉,2008)版本,以及接受和使用技术的统一理论(UTAUT) (马纳尔et al ., 2003),其中还有一个版本(马纳尔et al ., 2012)。其他现有的可接受性模型的更多信息,他们的进化是在最近的一次回顾总结(Pillette et al ., 2022)。
2.1.2。方法来创建我们的模型
我们选择使用最先进的版本的诱发模型:TAM3 (马纳尔巴拉,2008)和UTAUT2 (马纳尔et al ., 2012少),除了一个普遍的模式,用户体验(提示)的组件模型(星期四和Mahlke 2007),因为我们想要最新的模型,是适应环境和尽可能详尽。我们建议这些后者,为什么我们选择他们的细节表1。
表1。可接受性和接受模型来构建我们的模型用于BCI-based中风后运动康复。
提出了使用模型表1,我们的工作是确定其相关因素似乎在BCI-based中风后的背景下运动康复,而反思失踪的决定因素,但是有用的评估对bci的文学。
2.2。创造和分发问卷
正如我们在介绍,解释了从我们的可接受性模型中,我们开发了一个问卷调查来确定和重量影响因素的可接受性BCI-based中风后电动机一般人群中康复。选择依赖于问卷调查法来测试我们的模型是由多个方面:(i)的经典方法用于接受或验收评估(戴维斯,1989;马纳尔et al ., 2003)。(2)必须能够收集大量的数据,在样本代表性的成年人在法国,和调查问卷尤其适应这些期望(Vilatte 2007)。(3)此外,调查问卷提供良好的外部效度(Ghiglione Matalon, 1998),它可以概括数据,信息比面试更一致的结果。
2.2.1。创建的问题
确定问题的措辞,我们适应这些问卷的现有模型已经翻译成法语。Qualtrics的问卷创建工具,它是完全匿名的,因此不受一般的数据保护监管(GDPR)。这需要大约15分钟完成,由四部分组成:
•开始,参与者提供他们应该知道的所有信息研究项目:问卷调查的目标,研究人员参与,利益和可能的风险的问卷,权利(例如,匿名保存),方法和预计完成时间。最后,参与者被要求如果他们同意参与。
•这些细节后,参与者的经验好像是驴,因为它可能会影响一些BI的预测因素。
•第三部分是用来评估的影响因素的模型。每个人都被三个或五个问题评估。分数的因素是因此平均分数的这些不同的问题。用来测量每个量化规模因素是一个视觉模拟量表(血管)从0到10(“强烈不同意”到“强烈同意”)。当一个问题是消极的(例如,“我认为学习使用脑机接口太耗费时间”),我们倒它的分数。测量分类因素(计算机自我效能感和社会支持),我们使用复选框的问题。
•在本部分中,我们介绍了两个解释视频编辑自己:一个解释好像一般的操作(视频1),第二个更具体BCI-based中风康复程序(视频2)。提供这些解释性的理论基础提出了下一段视频。
•我们提供图1我们问卷调查的组织的更多细节。的问题是组织块(一块是由2个或更多的因素)。为了避免任何潜在的顺序效应,即。,that the previous questions would guide the following answers, the order of presentation of the questions was randomized within each block.
•最后一部分关注socio-demographic特征的受访者(年龄,性别,去年获得的文凭,socio-professional类别,如果他们有中风和目前住院,或如果他们接近圆的人谁经历和他们的参与这些亲戚的康复)。受试者没有义务去找自己的位置,他们有可能选择“我不想回答。”
图1。问卷的结构的示意图表示:(一)评估受访者的特点和一般知识好像;(B)演讲的第一个视频关于BCIs旨在提供基本信息(功能、安装等);(C)相关项目的一个子集可接受性因素(1/2);(D)演讲的第二个视频中引入bci中风后运动康复中的应用。(E)相关项目的一个子集可接受性因素(2/2);(F)socio-demographic数据的集合。可接受性因素的两个子集划分根据受访者需要得到知识如何好像可以用于中风康复。
有关的因素,我们评估不同因素之前和之后的第二个视频(图1)。聚氨酯和BI测量两次(在视频2:PU1 / BI1;视频后2:PU2 / BI2)的问题是相同的两个时刻。我们的目的是观察如果受访者的评分两项措施影响了视频的信息。视频2不需要之前的因素有足够的信息好像回答,即。,the respondents needed to understand what BCIs are but remained novices on their use in post-stroke rehabilitation. On the other hand, for the factors following video 2, a more detailed vision of these new rehabilitation procedures was needed (factors were结果论证可能性,效益/风险比和相关性)。调查问卷(法语和英语版本)是可用的补充材料1。
2.2.2。计算统计力量
我们最初的目标是至少有10人(即每项。,question) on the factors influencing acceptability in order to be able to perform reliable analyzes (克莱恩,2015)。我们有62件,这给了我们一个样本的大小N= 620尊重这个先决条件。
2.2.3。分布的调查问卷
问卷的分布是由公司Panelabs (https://fr.panelabs.com/),以确保样本的受访者在法国代表的成年人口的年龄、性别、居住地和socio-professional类别。我们有一个排除标准:未成年人不能参与。实验协议进行了符合赫尔辛基宣言和图卢兹的机构审查委员会批准的联邦大学(N°2019 - 140)。我们与Panelabs固定的样本N= 665最低为了有更多的受访者比我们的目标(例如,N= 620),无效的响应。
2.3。验证的结构模型和问卷调查
结构的有效性的评估模型和问卷进行以下两个步骤。首先,我们测量了“within-factor”一致性,即。,the internal coherence between the different items of the questionnaire that measured the same factor. Second, we assessed the “between-factor” consistency, i.e., the validity of the structure of our model.
2.3.1。一致性的因素:克伦巴赫α
克伦巴赫α系数的允许我们来计算每个因子的内部一致性。具体地说,这个指标的程度估计的项目旨在衡量一个相同因素与连贯的分数。没有固定的规则的最小值的内部一致性系数因素被认为是令人满意的。然而,价值0.7经常出现在文献(Nunnally 1994;平淡和奥特曼,1997;DeVellis索普,2021)。也表明了系数接近1是采取预防措施,这种高价值的可能是由于冗余问题语句(Tavakol Dennick, 2011)。换句话说,太相似的物品,而不带来额外的信息。
2.3.2。结构模型和问卷的验证性因素分析
验证性因子分析(CFA)是一个验证测试,也旨在验证问卷的内部一致性和检查模型是否提出适合收集正确的数据。几个指标是用来解释CFA (加拉格尔和布朗,2013年):(我)卡方检验(X2)测试零假设的模型完全符合。由一个显示一个不错的选择p> 0.05(即。,not significant). This test is not always reliable on large samples because it is very sensitive to size.(2)比较适合指数(CFI)估计测试模型在多大程度上比独立模型(即好。的模型,每一个因素是独立的和不相关的)。理想情况下,这个分数应该高于0.95(完美),或者至少比0.90(可接受的)。(3)Tucker-Lewis指数(TLI)非常接近CFI,它评估模型提高了符合的程度对独立模型。例如,如果等于0.95,TLI研究模型提高了符合95%相比,独立模型。CFI,这个分数应该高于0.95,或者至少比0.90。(iv)近似的均方根误差(RMSEA)是贫困指数的测试模型。RMSEA越小,拟合优度越好。因此更可取的最小可能值RMSEA(最好小于0.05)。(v)最后,我们还可以看看标准化根均方残(SRMR),后者必须< 0.08。它措施相关矩阵的观测样本之间的差异和矩阵的预测模型。
2.4。量化不同的影响因素对BCI可接受性
2.4.1。重要的因素在每个类别的模型:中介分析
作为我们的主要目标是确定最具影响力的因素PU, PEOU, BI,我们选择执行中介分析。线性回归分析是一个重新安排,其目的是分解和量化的总效应引起反应变量X Y变成直接效应和间接效应通过中介(年代)。这个方法非常相关背景:我们有一个可接受性与独立变量模型,版主(PU和PEOU)和目标变量(BI)。我们做了一个中介分析每个类别在我们的模型(例如,社会影响,个人差异,促进条件和系统特点这些类别是3.1节中描述),为了看哪个因素最影响联系在一起。这种分析也是一个有趣的一步,使我们能够提出缩短和简化版本的模型和问卷在未来,一个只有最相关的变量。调解图书馆从R“心理”包使用(雷夫尔,2021)。
2.4.2。重要因素独立于结构模型:随机森林算法
中介分析后,我们想做额外的观察,不依赖于我们的提出的体系结构模型。因此我们选择随机森林(RF)算法。这个算法是随机的原则构建多个决策树和训练他们在我们的数据的不同子集。因此,而不是试图得到一个优化的方法,我们生成几个预测前池不同的预测。最后的估计是,在回归的情况下在这项研究中,通过预测的值的平均值。RF算法的优势在于非参数测试允许的结合定量和定性数据,并让它可以识别相关的因素更大的权重。
2.4.3。之间的连接强度因素:相关性分析
使用RF算法后,我们看了看之间的相关性最显著因素突出。我们的目的是看看这些因素之间的相关性,而积极的还是消极的,以了解他们之间的关系的意义(RF算法并不提供的强度因素和目标变量)之间的联系。建立相关矩阵,运用非参数方法(枪兵的系数)(科瓦尔斯基1972),并假定值使用Bonferroni调整方法。
3所示。结果
在本节中,我们给出了可接受性模型构建,问卷调查的结果,我们的分析来验证这些后者最后的量化不同的影响因素对BCI可接受性。
后我们从Qualtrics执行这些分析使用数据,测量每个因素对于每一个被调查者的平均得分(2.2节中解释说,一个因素是衡量几个问题我们不得不平均)。定性/分类变量,我们计算sub-modalities出现的次数。
3.1。可接受性的设计模型
我们在这里介绍的理论模型可接受性致力于BCI-based中风后康复过程,我们已经创建了。设计这个模型中,我们选择因素的现有模型中给出表1研究使用bci来估计他们在我们环境的适宜性。目前这些因素,我们添加了新的似乎特别相关的bci,仍然把自己建立在bci文学。我们在本节的因素包含在我们的模型(表2包含定义和解释我们的选择)和结构(图2)。
表2。因素包含在我们的可接受性模型bci在中风后运动康复。
图2。表示可接受性的初步模型的bci电机卒中后康复。右边(灰色)从TAM3即目标因素,PU, PEOU和BI。左边的四类因素可能影响目标因素:系统特点(橙色)社会影响(青绿色),个人特征(黄色),便利的条件(绿色)。每个类别都包含一个或多个因素,自我评估问卷的3 - 5项。实箭头表示这些类别在目标的潜在影响的因素。最后,在上面,两个版主用蓝色表示。这些因素中不同类别的影响对目标的因素。虚线代表适度效果呈现在TAM3虚线代表影响UTAUT2中描述(或在)。
每一个因素是分为一个类别:社会影响,个体差异,便利的条件,系统特点。这些类别是受TAM3 (马纳尔巴拉,2008)和UTAUT2 (马纳尔et al ., 2012)。社会影响TAM2和3中定义,是一个人的亲戚的影响和社会群体的选择是否采用一个系统。这是一个行列式的PU和BI。它对BI和聚氨酯的影响随经验(根据TAM3和UTAUT2,只有TAM3,分别)。个体差异是一个群体的类别用户个人特征(socio-demographic信息、认知特征和个性)。聚氨酯和PEOU因素是决定因素。我们假设这一类的因素减少的重量与经验计算机焦虑的影响聚氨酯和PEOU随经验(TAM3)。促进条件因素汇集了相关材料,组织和/或人类的条件,促进使用技术(Fevrier 2011)。这一类行列式的PEOU (TAM3)。其影响是减少用户获得经验与技术向外部支持的依赖将减少(阿尔巴和哈钦森,1987年)。最后,系统特点一个类别相关工具TAM2引入的认知过程。心理表征是由用户来判断使用什么技术可以将他们与他们的目标(s)(系统的相关性,感知质量,等等)(Terrade et al ., 2009)。这一类影响聚氨酯(TAM3),此外,在这个类别中,视觉美学也会影响PEOU因为这个因素来自线索模型假定其效果并不局限于PU。
3.2。问卷调查的结果
3.2.1之上。参与者
我们设法获得一组N= 753受访者问卷基于模型。这个样本的代表组成的成年人在法国。我们提供socio-demographic细节表3。
表3。Socio-demographic信息的受访者的问卷。
95.8%的样本从未使用BCIs-including 68.7%之前没听说好像这个问卷。缺乏知识与我们的目标是一致的,因为它是更贴近新手用户在测量可接受性上与之前应该与技术的交互。结果是,我们没有详细讨论以前的经验主持人的模型在这篇文章中,我们没有足够的专家受访者区分经验/尝试用户。
3.2.2。描述性分析
在表4,我们目前的平均分数量化因子,和分类的百分比的因素。没有相关的因素得分低于5/10,这反映了全球的积极情感和变得思绪一清二楚bci的受访者。事实上,关于目标因素,BI2均值8.23 (SD8.28 = 1.69),对于PU2 (SD= 1.57)和PEOU均值为7.17 (SD= 1.57)。
表4。从公众问卷调查结果。
正如2.2节中解释的,我们的问卷包含两个视频。我们想要验证,根据丰富的信息提供给人们好像在康复(的可能性使用、预期结果等),大多数的因素影响BI和聚氨酯或不相同。在这一目标,我们比较了意味着两个成对样品(之前/之后视频解释如何集成在中风康复,好像即、视频2)BI和聚氨酯。Wilcoxon测试Bonferroni调整使用,评估是否有显著区别的值PU1 / PU2和BI1 / BI2。PEOU我们没有测量两次,即使是BI在文学的主要决定因素之一,因为用户的观点关于BCI的功能是相同的,只要他们从未有机会实际测试接口。
Wilcoxon测试表明,分数BI1和PU1 BI2和PU2分别显著不同图3)。指出在表4,意味着更高的视频后,似乎有积极影响受访者的角度对BCI (在视频前2:PU1意味着= 7.87,SD= 1.63 / BI1意味着= 7.88,SD= 1.73。视频后2:PU2意味着= 8.28,SD= 1.57 / BI2意味着= 8.23,SD= 1.69)。PEOU的分数也很高(= 7.17,SD= 1.57)。
图3。分布的分数不同的目标因素的函数。成对Wilcoxon测试:[PU1-PU2]和[BI1-BI2]对,我们获得了p< 0.001 (Bonferroni调整),每个因素明显不同。* *符号表示表明因素(即明显不同。、PU / PU2和BI / BI2)。
3.3。验证的结构模型和问卷调查
3.3.1。一致性的因素:克伦巴赫α
克伦巴赫α分析(表5)表明,13/17的因素有一个令人满意的内部一致性,分数由0.72和0.97之间。在四个因素中,分数:0.5 (机构),0.52 (自治),0.57 (轻松的学习)和0.62 (效益/风险比)。
表5。问卷量表的阿尔法可靠性值基于我们的可接受性模型。
3.3.2。的结构模型:验证性因素分析
关于CFA的结果,我们得到一个p卡方检验值为0.0。这意味着完美的假设模型的适合我们的数据将被拒绝。然而,这可以解释为大样本的大小。比较适合指数(CFI)值为0.913,Tucker-Lewis指数(TLI)值0.897,这表明模型和数据之间的一个不错的选择。事实上,这些分数意味着我们的模型比独立模型。RMSEA,贫困指数模型的调整,理想情况下应低于0.05。结果显示值为0.059,置信区间从0.056到0.062不等。因此它是接近预期的价值。最后,我们SRMR为0.076(即。,< 0.08, as expected as this test assesses the divergence between observed and expected correlations).
3.4。量化不同的影响因素对BCI可接受性
3.4.1。重要的因素在每个类别的模型:中介分析
表6介绍了中介分析后得到不同的结果。应该注意的是,没有给出分类因素(人口、自我效能感、BCI知识和社会支持),我们只研究了定量变量因为我们的分类变量不是二进制,所以它并不适应这种方法。然而,他们不离开,我们提出一个分析包括RF算法3.4.2节。
表6。成绩表为中介分析与定量因素(只有)。
图4表明,BI主要是受到PU2(效果:0.94,p< 0.001)的重量PEOU低得多(直接影响:0.08,标准误差SE= 0.02,p< 0.001;间接影响:0.65,SE= 0.03,CI =[0.59, 0.71]),即,PEOU had a low effect on BI2 but a significant effect on PU2.
图4。中介目标因素的分析:行为意向(BI2),感知有用性(PU2)和感知易用性(PEOU)。R2= 0.86 (p< 0.001)。c,总效应PEOU BI2;c”,直接影响PEOU BI2;碳碳”,间接影响的PEOU BI2 PU2。
其他类别的模型,结果显示的个人差异,自治BI是最有影响力的因素,但这种影响是温和(c= 0.34,p< 0.001),它同样影响PU2 PEOU(分别为0.36和0.33,p< 0.001)(质量的模型:R2= 0.87,p= 0.0)。
为社会影响,主观规范有类似的和温和的影响PU2和PEOU(分别为0.58和0.57,p< 0.001)。影响BI2相当高(c= 0.63,p< 0.001)(质量的模型:R2= 0.86,p< 0.001)。
为系统的特点,我们做了两个分析:(我)一个只有PEOU作为中介,因素之前视频2(包括PU1不是因为我们选择关注PU2);(2)仅次于PU2作为中介,和因素目前视频前后2 (PEOU是这些因素,如所示图2,它影响聚氨酯)。(我)显示,视觉美学是最多的weak-influential因素PEOU (0.38,p< 0.001)。的总效果视觉美学BI2很低:C= 0.32 (p< 0.001)(质量的模型:R2= 0.47,p< 0.001)。另一方面(2)透露,相关性是最具影响力的因素在PU2 (0.65,p< 0.001)。其总影响BI2C= 0.56 (p< 0.001)(质量的模型:R2= 0.87,p= 0.0)。
最后,对于便利的条件,最有影响的变量电脑好玩,它同样影响PU2和PEOU(分别为0.36和0.39,p< 0.001)。的影响电脑好玩在BI2温和(C= 0.41,p< 0.001)(质量的模型:R2= 0.86,p< 0.001)。额外的数据中介分析都能用的补充材料2。
3.4.2。重要因素独立于模型:结构的随机森林算法
我们跑RF算法来解释我们的值3目标因素:BI、PU和PEOU。RF算法的优点使分析和定性和定量变量在同一时间所以我们用我们所有的因素。表7介绍了BI2的重要变量,PU2, PEOU。这些变量的排序使我们能够确定哪些因素的最好解释了这些目标因素的分数。他们每个人的三个最重要的变量:
•BI2:PU2紧随其后的是相关性和效益/风险比。PU2在大优势(值= 100)相对于其他(分别为37.4和30.3)。预测的质量高:86.09%的方差解释道。
•PU2:相关性、PEOU和效益/风险比。相关性比其他人更有影响力(值= 100,与33.5和33.4,分别)。预测的质量还是很高,79.64%的方差解释道。
•PEOU:易于学习,电脑嬉闹和主观规范。值不完全不同:100年,83.2,80.9,分别。但预测低质量57.76%的方差解释道。
表7。每个目标的20个最有影响力的因素因子(BI、PU和PEOU)基于RF算法。
分类因素似乎只有温和的,如果不低对BCI可接受性的影响。年龄是唯一一个最具影响力的十大因素,仅供PEOU。
提供一个可视化的概述我们的分析结果,我们提出一个初始模型的简化版本图5,只保留最重要的因素。
图5。表示可接受性的初步模型的因素影响最目标的因素。大胆的箭头链接因素的目标因素影响:轻松的学习PEOU是最有影响力的因素,相关性是最高的因素对聚氨酯的影响,本身是BI的最具影响力的因素。此外,相关性对BI也有很强的影响。效益风险比强烈影响聚氨酯和BI。主观规范有很强的影响PEOU(不会基于TAM3 UTAUT2)和媒介影响聚氨酯和BI。最后,电脑好玩对PEOU有很强的影响。
3.4.3。之间的连接强度因素:相关性分析
我们所有的定量因素之间的相关性分析(Bonferroni调整)。寻求的可读性,我们展示表8只有的因素被认为是最具影响力的基于射频分析。结果表明,所有的相关系数是积极的。之间的相关性最强的是BI2和PU2 (0.92 -bonferroni-correctedp< 0.001),(0.89 -bonferroni-corrected PU2和相关性p< 0.001),(0.86 -bonferroni-corrected BI2和相关性p< 0.001),但所有的因素明显和强烈与目标相关的因素。
表8。斯皮尔曼相关分析的最重要的因素。
4所示。讨论
本文提供了以下的贡献。首先,我们设计了一个首开先河的bci的电机模型的可接受性卒中后康复。这个模型是基于文学,尤其是在三个验证模型:TAM3 (马纳尔巴拉,2008),UTAUT2 (马纳尔et al ., 2012),和线索(星期四和Mahlke 2007)。第二,我们创建了,基于这个模型中,一个调查问卷来评估可接受性。此问卷之前的结构模型,包括3到5项来衡量每一个因素。定量项表示为模拟视觉尺度的参与者将光标从“不同意”到“非常同意。”光标的位置然后转化成得分(从0到10)。项目测量相同的因子的得分平均为了获得稳健估计的因素不是(或者至少尽可能少)依赖于(mis)对项目的理解或状态的人当他们回答了这个问题。我们分发问卷样本代表性的成年人在法国(N= 753)。这个大代表性理论保证了结果的可靠性。第三,我们对获得的数据进行分析来验证模型的结构。更具体地说,我们一方面评估内部一致性使用量表的阿尔法分析的因素。这使我们验证的相关性和互补性物品用于评估每个因素。
另一方面,我们进行了验证性因素分析,评估问卷的内部一致性,或换句话说的相关性的结构模型。最后,这是第四个贡献,我们量化,不同因素对目标的影响因素(PEOU、PU和BI)以识别的因素影响最BCI公众的可接受性。为此,我们使用两种互补的方法:中介基于随机森林算法分析和回归。第一个评估这种影响所考虑的结构模型,而第二个是独立于结构。我们的结果显示,好像与高水平的可接受性为大众汽车卒中后康复,并且打算使用这些技术在这种情况下主要是由感知有用性系统,本身被一些主要影响系统的特点,特别是效益风险比和科学的相关性。便利的条件,特别是轻松的学习和嬉闹的主要决定因素吗感知易用性。最后,主观规范三个目标因素都有着重大影响。这种方法和结果,我们的研究是一个第一步深入考虑接受bci卒中后运动康复过程。
目前,模型和问卷,(我们希望)深刻的,并不是真正的可用在实践中由于其长度和复杂性。我们自愿使用的探索性方法包括所有潜在的影响因素在我们的模型中,考虑到文学领域并没有使我们有强壮的先验。收集到的大量数据集使我们获得第一个最具影响力的迹象,因此大多数relevant-to-assess因素。现在应该收集更多的数据先(联合国)验证结果和改进估计的影响,每个因素对BCI可接受性。最终,我们的目标是设计一个更短更有用的预测问卷,使BCI接受基于几个因素(所以很少的东西)。这个预测可以提供科学家和临床医生一些迹象如何适应过程,包括指令、任务、反馈和培训环境,支持BCI可接受性。在介绍中提到的,可接受性水平高可以作为手段来提高BCI效率。本研究的主要结果是,在全球范围内,可接受性水平的行为意图似乎非常高的公众(8.23/10)的平均分数。这是符合其他BCI可接受性研究(Al-Taleb et al ., 2019;Voinea et al ., 2019;Benaroch et al ., 2021),平均分数8.0/10 (Al-Taleb et al ., 2019)和6.0/7 (Voinea et al ., 2019)感知有用性。
量表的阿尔法的分析显示,所有的因素从TAM3 UTAUT2和线索调查问卷与高质量的内部一致性,即。分数在0.70和0.95之间(丝膜,1993;Tavakol Dennick, 2011)。它并非如此的一些因素我们添加了(来自TAM3补充,UTAUT2和提示)好像符合特异性,即机构(0.50),自治(0.52),轻松的学习(0.57)和效益/风险比(0.62)。这可能是由于措辞项目的不足。应该注意,用来评估项目自治是直接提取,词词,从“Sociotropy-autonomy量表”(SAS,哈士奇et al ., 2004),而这些用来测量机构和轻松的学习新处方(适应bci)的背景下的物品从法国改编的机构的规模(F-SoAS,Hurault et al ., 2020)和系统的可用性量表(SUS格隆涅尔Baudet, 2021),分别。在未来,这将是有关我)收集更多的数据来评估这个结果的意义,和2)领导调查关于这些项目的理解潜在的BCI用户,或者改写他们增加内部一致性相关的因素。
关于内部一致性的极端分数获得BI2(0.97),我们假设可能是因为项目的重复。的确,当参与者看到第二次相同的项目,它可能发生,他们自动放一些分数,并没有真正考虑到这一点,由于感知冗余。支持这一假设的事实PU2也非常高,内部一致性得分(0.95)而仍然在“可接受的范围内。“这么高的分数也可能是由于天花板效应在这些维度。事实上,PU1和BI1已经额定高得分(7.87 + / - 1.63和7.88 + / - -1.73,分别)。第二个视频后,参与者在全球范围内增加了评级,给PU2分数为8.28 + / - 1.57,和BI2分数为8.23 + / - -1.69。因此,值的范围由项目PU2 BI2很窄,导致较低的可变性,从而在这些维度很高的一致性。
问卷的有效性的结论,而这当然不是完美的但我们希望社区能帮助我们改善它通过收集数据和建议修改-分析全球透露我)良好的内部一致性(以克伦巴赫α分数)的大部分因素,和(二)相关的结构模型(如由验证性因子分析来衡量)。
如果我们仔细看看影响因素的意图使用bci,由于随机与森林有关的回归分析,我们发现不同的分析是一致的,尤其是在没有显著的影响个人差异,包括人口特征(年龄、性别、socio-professional一类)或认知心理档案(自主权,焦虑,自我效能感)。然而,BCI研究表明这些变量对BCI的影响性能和学习(Blankertz·和,2006年;Nijboer et al ., 2008,2010年;Witte et al ., 2013;Jeunet et al ., 2015)。有可能,等心理变量的重量焦虑或自治在人与临床条件下更强。这也可能是这样高水平的效率有直接影响焦虑和低水平的自治和自我效能感但不改变可接受性学习是有害的。这加强了我们的方法的相关性包括优化可接受性为了把用户/病人在最好的条件下有利于学习尽管临床状况,从而使用可接受性作为杠杆支持效率。
行为意向主要受到的影响感知有用性好像,本身被认为主要是确定科学的相关性的技术。这个结果对BCIs突出通知人口的重要性,他们的功能,科学证据的程度对他们的临床疗效。这个想法是由BI的显著增加和加强PU分数后第二个视频的好处BCIs电动机卒中后康复。在同一类别的“系统特点”,效益风险比的技术似乎也有强烈的对可接受性的影响。我们假设这个平衡,所感知的用户/病人,可能有一个主持人强调科学的相关性客观地描述的科学家和临床医生。事实上,(非理性)的恐惧或过高期待可能偏见使听不清的平衡科学话语。
本研究的另一个主要发现是影响主观规范对这三个目标的因素。这是聚氨酯和BI。尽管如此,如果我们将TAM3 UTAUT2,这个因素不应该影响PEOU。在我们的研究结果,这是在后者主观规范有强烈的影响。我们假设病人的意见,科学将technophilia和信任,对于bci,不仅在扮演一个角色感知有用性,但也将有助于强调或减少忧虑向技术。这反过来可能会改变感知易用性的技术。在任何情况下,这一事实社会影响贡献在确定可接受的水平的三个目标因素加强了告知公众的相关性,在病人的亲属,喜欢bci的接受和采用。
最后,便利的条件,尤其是轻松的学习和嬉闹PEOU是主要的决定因素,而不是直接影响BI,显著影响聚氨酯。我们相信这个结果应该鼓励我们记住指令应该清楚和培训激励,当我们设计BCI程序。这将使病人自认为有能力使用BCI。提供一个引人入胜的环境也可以使训练更容易。这些结果是一致的成功指南MI-BCI培训(中华民国et al ., 2021)。这个结果的可转移性的问题数量的患者可能会提高。事实上,普通人群,而他们不需要使用bci康复,可能认为好像是一个“玩具”,可以解释这一结果。事实上,嬉闹也已被证明能够增加患者的依从性在康复过程中在其他领域(伯克et al ., 2009;Korn和Tietz, 2017;Lopes et al ., 2018)。
种群之间的差异这个问题肯定是相关的。虽然我们可以假设一些相似点和不同点的文献的基础上,有必要引起同样的方法与患者和临床医生为了面对结果,深化我们的知识,提高我们的适应能力相应的好像。再一次,这将是一个杠杆提高BCI效率。超越差异取决于受访者的状态(患者、医生和公众),与他们的文化(也可能存在差异Straub et al ., 1997)。因此,它似乎也有必要应用这种方法对世界各地不同人群。
收集更多的数据在不同的人口将使我们完善我们的模型。是典型的可接受性模型发展和调整时间和上下文。UTAUT给我们一个完美的两个版本的改编的必要性。的确,而第一个相当适应技术组织(马纳尔et al ., 2003),第二个被引向个人消费者/用户(马纳尔et al ., 2012)。为适当的适应,一个开放的科学方法是必要的。事实上我们认为可以只有当人们收集数据,一起分享他们的研究成果和工作改进模型的合理性和可靠性。
4.1。建议
这些结果提供第一小径BCI-based中风康复程序更容易接受。一方面,我们已经看到的视频解释了使用bci在中风后康复影响BI和PU分数和这些分数的预测因子。因此,通知(未来)用户是一个关键的步骤:有必要尽可能明确使用BCI的目标上,在其功能,在预期的结果,但也约束相关的使用(学习时间、认知成本等)。这些建议是重要的考虑改进的看法效益/风险比和相关性的因素。我们认为最有趣的一个格式的信息可以生产教育视频,帮助阐明bci,正如我们的问卷。这是符合能够做些什么社会影响考虑在内。的确,玩的最好方法之一主观规范,并使用这个因素,提高可接受性的影响,是导致教育行为。如果人们周围中风后BCI对象有一个开明的观点,这可能会积极影响的可接受性的治疗。我们想强调,我们的观点,这些建议可以被复制在其他bci的设置,不仅在中风后康复环境。
我们最重要的建议,在任何上下文中使用bci,仍确保可接受性评估,以适应相应的协议。这是一个简单的方法来改善病人的福祉在康复阶段,因此,大多数当然,增加接触,从而利用BCI-based康复过程的效率。
结论
本文致力于公众的可接受性BCI-based中风后康复过程。我们有意识的收集中风后主题和护理人员的意见也很重要。我们正在工作,进行问卷调查和半结构化访谈中风后主题和护理人员。这将允许我们调查是否可接受性因素,突出最类似于普通大众,如果没有,试着理解这些差异的原因可能是什么以及如何走向更个性化的可接受性模型,适应目标用户。
数据可用性声明
原始数据支持了本文的结论将由作者要求,没有过度的预订。
道德声明
综述了研究涉及人类参与者和图卢兹联邦大学的机构审查委员会批准(N°2019 - 140)。患者/参与者提供了他们的书面知情同意参与这项研究。
作者的贡献
CJ-K,例如,KF、圣、FA DG,摩根大通,磅的构思和设计实验。如KF、ST和CJ-K进行调查和分析数据。如写第一个手稿。所有作者的文章和批准提交的版本。
资金
这项研究是由法国国家研究机构(项目ABCIS,格兰特anr - 20 - ce38 - 0008 - 01)。
的利益冲突
作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。
出版商的注意
本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。
补充材料
本文的补充材料在网上可以找到:https://www.雷竞技rebatfrontiersin.org/articles/10.3389/fnrgo.2022.1082901/full补充材料
引用
事故Vasculaire脑(AVC)。Inserm科学倒拉桑特拉。(2019)。Inserm。网上:https://www.inserm.fr/dossier/accident-vasculaire-cerebral-avc/(2022年6月21日通过)。
阿尔巴,j·W。,Hutchinson, J. W. (1987). Dimensions of consumer expertise.j . Consum。Res。13日,411 - 454。doi: 10.1086/209080
亚历山大,B。雷诺E。Osiurak F。,Navarro, J. (2018). Acceptance and acceptability criteria: a literature review.Cognit。抛光工艺。工作20岁,165 - 177。doi: 10.1007 / s10111 - 018 - 0459 - 1
Al-Taleb, M。,Purcell, M., Fraser, M., Petric-Gray, N., and Vuckovic, A. (2019). Home used, patient self-managed, brain-computer interface for the management of central neuropathic pain post spinal cord injury: usability study.j . Neuroeng。Rehabil。16 - 24。doi: 10.1186 / s12984 - 019 - 0588 - 7
巴姨,Z。,Fong, K. N., Zhang, J. J., Chan, J., and Ting, K. (2020). Immediate and long-term effects of BCI-based rehabilitation of the upper extremity after stroke: a systematic review and meta-analysis.j . Neuroeng。Rehabil。17日,1 - 20。doi: 10.1186 / s12984 - 020 - 00686 - 2
Barcenilla, J。,Bastien, J. M. C. (2009). L'acceptabilité des nouvelles technologies: quelles relations avec l'ergonomie, l'utilisabilité et l'expérience utilisateur?Trav。嗡嗡声。72年,311 - 331。doi: 10.3917 / th.724.0311
Benaroch C。,Sadatnejad, K., Roc, A., Appriou, A., Monseigne, T., Pramij, S., et al. (2021). Long-term bci training of a tetraplegic user: adaptive riemannian classifiers and user training.前面。嗡嗡声。>。15日,118年。doi: 10.3389 / fnhum.2021.635653
Blain-Moraes, S。Schaff, R。,Gruis, K. L., Huggins, J. E., and Wren, P. A. (2012). Barriers to and mediators of brain-computer interface user acceptance: focus group findings.人体工程学55岁,516 - 525。doi: 10.1080 / 00140139.2012.661082
Bocquelet F。Piret, G。,Aumonier, N., and Yvert, B. (2016). Ethical reflections on brain-computer interfaces.大脑第一版。接口。2,259 - 288。ch15 doi: 10.1002/9781119332428.
·W。,Blankertz, B. (2006). “Is the locus of control of reinforcement a predictor of brain-computer interface performance?” in诉讼的第三国际脑机接口的研讨会和培训课程。2006卷。。p . 108 - 109。网上:https://doc.ml.tu-berlin.de/publications/publications/BurBla06.pdf
伯克,j·W。,McNeill, M., Charles, D. K., Morrow, P. J., Crosbie, J. H., and McDonough, S. M. (2009). Optimising engagement for stroke rehabilitation using serious games.粘度第一版。25日,1085 - 1099。doi: 10.1007 / s00371 - 009 - 0387 - 4
伯顿,C·a·C。穆雷,J。福尔摩斯,J。奥斯汀,F。,Greenwood, D., and Knapp, P. (2013). Frequency of anxiety after stroke: a systematic review and meta-analysis of observational studies.Int。j .中风8,545 - 559。doi: 10.1111 / j.1747-4949.2012.00906.x
卡特尔,r . B。,和Cattell, H. E. P. (1995). Personality structure and the new fifth edition of the 16pf.建造。Psychol。量。55岁,926 - 937。doi: 10.1177 / 0013164495055006002
赛尔维拉,m·A。,Soekadar, S. R., Ushiba, J., Millán, J.d. R, Liu, M., et al. (2018). Brain-computer interfaces for post-stroke motor rehabilitation: a meta-analysis.安。中国。Transl。神经。5,651 - 663。doi: 10.1002 / acn3.544
Compeau, d R。,Higgins, C. A. (1995). Application of social cognitive theory to training for computer skills.正,系统。Res。6,118 - 143。doi: 10.1287 / isre.6.2.118
戴维斯,f . D。,Bagozzi, R. P., and Warshaw, P. R. (1992). Extrinsic and intrinsic motivation to use computers in the workplace 1.j:。Soc。Psychol。22日,1111 - 1132。doi: 10.1111 / j.1559-1816.1992.tb00945.x
Dussard C。,Pillette, L。Jeunet C。,George, N. (2022). “Can feedback transparency improve motor-imagery BCI performance?” inCortico 2022(格勒诺布尔)。
爱德华,我。,Wiholm, B.-E., and Martinez, C. (1996). Concepts in risk-benefit assessment. A simple merit analysis of a medicine?药品安全15日1 - 7。doi: 10.2165 / 00002018-199615010-00001
Fevrier, f (2011)。更小联合国模型integrateur“experience-acceptation”:作用影响et de personnelles等特点为contextuelles在决心des意图课d numerique de阵痛一个environnement)(博士论文)。雷恩大学2;大学产品德布列塔尼。
加拉格尔,m . W。,Brown, T. A. (2013). “Introduction to confirmatory factor analysis and structural equation modeling,” in手册为教育研究的定量方法(莱顿:布里尔),287 - 314。
Geronimo, A。,Stephens, H. E., Schiff, S. J., and Simmons, Z. (2015). Acceptance of brain-computer interfaces in amyotrophic lateral sclerosis.肌萎缩性脊髓侧索硬化症额颞叶Degenerat。16,258 - 264。doi: 10.3109 / 21678421.2014.969275
格隆涅尔,G。,Baudet, A. (2021). Psychometric evaluation of the f-sus: creation and validation of the french version of the system usability scale.Int。j .的嗡嗡声。第一版。交互。37岁,1571 - 1582。doi: 10.1080 / 10447318.2021.1898828
Gurkok, H。,Hakvoort, G., and Poel, M. (2011). “Evaluating user experience in a selection based brain-computer interface game a comparative study,” in国际会议上娱乐计算(柏林;海德堡:Springer), 77 - 88。
Hassenzahl, m (2001)。感知享乐质量产品吸引人的效果。Int。j .的嗡嗡声。第一版。交互。13日,481 - 499。doi: 10.1207 / S15327590IJHC1304_07
哈金斯,j·E。,Moinuddin, A. A., Chiodo, A. E., and Wren, P. A. (2015). What would brain-computer interface users want: opinions and priorities of potential users with spinal cord injury.拱门。理论物理。地中海。Rehabil。96年,S38-S45。doi: 10.1016 / j.apmr.2014.05.028
哈金斯,j·E。雷恩,p。,Gruis, K. L. (2011). What would brain-computer interface users want? Opinions and priorities of potential users with amyotrophic lateral sclerosis.肌萎缩性脊髓侧索硬化症12日,318 - 324。doi: 10.3109 / 17482968.2011.572978
Hurault J.-C。气息,G。,Crône, L., Tedesco, A., and Brunel, L. (2020). Measuring the sense of agency: a french adaptation and validation of the sense of agency scale (f-soas).前面。Psychol。11日,2650年。doi: 10.3389 / fpsyg.2020.584145
哈士奇,M . M。,Grondin, O. S., and Compagnone, P. D. (2004). Validation de la version française du questionnaire de sociotropie-autonomie de beck et collègues.可以。j .精神病学49岁,851 - 858。doi: 10.1177 / 070674370404901209
Jeunet C。,Glize, B., McGonigal, A., Batail, J.-M., and Micoulaud-Franchi, J.-A. (2019). Using eeg-based brain computer interface and neurofeedback targeting sensorimotor rhythms to improve motor skills: theoretical background, applications and prospects.Neurophysiol。中国。49岁,125 - 136。doi: 10.1016 / j.neucli.2018.10.068
Jeunet C。,N'Kaoua, B., and Lotte, F. (2016). Advances in user-training for mental-imagery-based BCI control: psychological and cognitive factors and their neural correlates.掠夺。大脑Res。228年,3-35。doi: 10.1016 / bs.pbr.2016.04.002
Jeunet C。,N'Kaoua, B., Subramanian, S., Hachet, M., and Lotte, F. (2015). Predicting mental imagery-based bci performance from personality, cognitive profile and neurophysiological patterns.《公共科学图书馆•综合》10,e0143962。doi: 10.1371 / journal.pone.0143962
Kaleshtari, m . H。Ciobanu,我。,Seiciu, P. L., Marin, A. G., and Berteanu, M. (2016). Towards a model of rehabilitation technology acceptance and usability.Int。j . Soc。科学。嗡嗡声。6、612。doi: 10.7763 / IJSSH.2016.V6.720
Kerous B。,Skola, F., and Liarokapis, F. (2018). EEG-based bci and video games: a progress report.虚拟现实。22日,119 - 135。doi: 10.1007 / s10055 - 017 - 0328 - x
科恩,O。,Tietz, S. (2017). “Strategies for playful design when gamifying rehabilitation: a study on user experience,” in第十届国际会议上普遍技术学报》与辅助环境有关(纽约:计算机协会),209 - 214。
Koul, S。,Eydgahi, A. (2017). A systematic review of technology adoption frameworks and their applications.j .抛光工艺。等内容。Innovat。12日,106 - 113。doi: 10.4067 / s0718 - 27242017000400011
Kubler,。,Holz, E. M., Riccio, A., Zickler, C., Kaufmann, T., Kleih, S. C., et al. (2014). The user-centered design as novel perspective for evaluating the usability of bci-controlled applications.《公共科学图书馆•综合》9,e112392。doi: 10.1371 / journal.pone.0112392
李,t·s·艾。,Goh, S. J. A., Quek, S. Y., Phillips, R., Guan, C., Cheung, Y. B., et al. (2013). A brain-computer interface based cognitive training system for healthy elderly: a randomized control pilot study for usability and preliminary efficacy.《公共科学图书馆•综合》8,e79419。doi: 10.1371 / journal.pone.0079419
里氏,R。,Perdikis, S., Tonin, L., Biasiucci, A., Tavella, M., Creatura, M., et al. (2013). Transferring brain-computer interfaces beyond the laboratory: successful application control for motor-disabled users.Artif。智能。地中海。59岁,121 - 132。doi: 10.1016 / j.artmed.2013.08.004
李,Y。,Pan, J., Wang, F., and Yu, Z. (2013). A hybrid bci system combining p300 and ssvep and its application to wheelchair control.IEEE反式。生物医学。英格。3156 - 3166。doi: 10.1109 / TBME.2013.2270283
洛佩斯,S。,Magalhaes, P., Pereira, A., Martins, J., Magalhaes, C., Chaleta, E., et al. (2018). Games used with serious purposes: a systematic review of interventions in patients with cerebral palsy.前面。Psychol。9日,1712年。doi: 10.3389 / fpsyg.2018.01712
乐天,F。,Bougrain, L., Cichocki, A., Clerc, M., Congedo, M., Rakotomamonjy, A., et al. (2018). A review of classification algorithms for eeg-based brain-computer interfaces: a 10 year update.j .神经英格。15日,031005年。1741 - 2552 . doi: 10.1088 / / aab2f2
Martocchio, J·J。,Webster, J. (1992). Effects of feedback and cognitive playfulness on performance in microcomputer software training.珀耳斯。Psychol。45岁,553 - 578。doi: 10.1111 / j.1744-6570.1992.tb00860.x
摩尔,G。,Benbasat, I. (1991). Development of an instrument to measure the perceptions of adopting an information technology innovation.正,系统。Res。2、5167。doi: 10.1287 / isre.2.3.192
马龙,G。,Pisotta, I., Pichiorri, F., Kleih, S., Paolucci, S., Molinari, M., et al. (2015). Proof of principle of a brain-computer interface approach to support poststroke arm rehabilitation in hospitalized patients: design, acceptability, and usability.拱门。理论物理。地中海。Rehabil。96年,S71-S78。doi: 10.1016 / j.apmr.2014.05.026
Nijboer, f (2015)。脑-机接口的技术转让作为辅助技术:障碍和机会。安。理论物理。Rehabil。地中海。58岁的35-38。doi: 10.1016 / j.rehab.2014.11.001
Nijboer F。,Birbaumer, N., and Kübler, A. (2010). The influence of psychological state and motivation on brain-computer interface performance in patients with amyotrophic lateral sclerosis-a longitudinal study.前面。>。171年,55岁。doi: 10.3389 / fnins.2010.00055
Nijboer F。,Furdea, A., Gunst, I., Mellinger, J., McFarland, D., Birbaumer, N., et al. (2008). An auditory brain-computer interface (BCI).j . >。方法。244年,43-50。doi: 10.1016 / j.jneumeth.2007.02.009
Nojima,我。,Sugata, H., Takeuchi, H., and Mima, T. (2022). Brain-computer interface training based on brain activity can induce motor recovery in patients with stroke: a meta-analysis.Neurorehabil。神经修复。36岁,83 - 96。doi: 10.1177 / 15459683211062895
巴E。Simonetta,。Gnisci, V。,Federici, S., and Belardinelli, M. O. (2011). Toward a usability evaluation of bcis.Int。j . Bioelectromagn13日,121 - 122。网上:http://hdl.handle.net/2078.1/138512
Pfurtscheller G。贵港市,C。,Müller, G., Krausz, G., and Neuper, C. (2000). Brain oscillations control hand orthosis in a tetraplegic.>。列托语。292年,211 - 214。doi: 10.1016 / s0304 - 3940 (00) 01471 - 3
Pichiorri F。马龙,G。Petti, M。Toppi, J。,Pisotta, I., Molinari, M., et al. (2015). Brain-computer interface boosts motor imagery practice during stroke recovery.安。神经。77年,851 - 865。doi: 10.1002 / ana.24390
Pillette, L。Grevet E。,Amadieu, F., Dussard, C., Delgado-Zabalza, L., Dumas, C., et al. (2022). The acceptability of BCIs and neurofeedback: presenting a systematic review, a field-specific model and an online tool to facilitate assessment.
Pillette, L。Jeunet C。,Mansencal, B., N'kambou, R., N'Kaoua, B., and Lotte, F. (2020). A physical learning companion for mental-imagery bci user training.Int。j .的嗡嗡声。第一版。螺柱。136年,102380年。doi: 10.1016 / j.ijhcs.2019.102380
Rad, m . S。,Nilashi, M., and Dahlan, H. M. (2018). Information technology adoption: a review of the literature and classification.普及正无穷,Soc。17日,361 - 390。doi: 10.1007 / s10209 - 017 - 0534 - z
雷夫尔,w (2021)。如何使用中介的心理包/审核/回归分析。人格的项目。网上:http://personality-project.org/r/psych/HowTo/mediation.pdf
中华民国,。,Pillette, L。,Mladenovic, J., Benaroch, C., N'Kaoua, B., Jeunet, C., et al. (2021). A review of user training methods in brain computer interfaces based on mental tasks.j .神经英格。18日,011002年。1741 - 2552 . doi: 10.1088 / / abca17
Ron-Angevin, R。,Díaz-Estrella, A. (2009). Brain-computer interface: changes in performance using virtual reality techniques.>。列托语。449年,123 - 127。doi: 10.1016 / j.neulet.2008.10.099
Rondan-Cataluna f·J。Arenas-Gaitan, J。,Ramírez-Correa, P. E. (2015). A comparison of the different versions of popular technology acceptance models: a non-linear perspective.Kybernetes44岁,788 - 805。doi: 10.1108 / k - 09 - 2014 - 0184
Schaupp, l . C。,卡特,L。,McBride, M. E. (2010). E-file adoption: a study of us taxpayers' intentions.第一版。人类Behav。26日,636 - 644。doi: 10.1016 / j.chb.2009.12.017
沙玛,N。,Pomeroy, V. M., and Baron, J.-C. (2006). Motor imagery: a backdoor to the motor system after stroke?中风37岁,1941 - 1952。str.0000226902.43357.fc doi: 10.1161/01.
Straub D。,凯尔,M。,Brenner, W. (1997). Testing the technology acceptance model across cultures: a three country study.正等内容。。33岁的1 - 11。doi: 10.1016 / s0378 - 7206 (97) 00026 - 8
Tavakol, M。,Dennick, R. (2011). Making sense of cronbach's alpha.Int。j .地中海,建造。2,53岁。doi: 10.5116 / ijme.4dfb.8dfd
Terrade F。,Pasquier, H., Juliette, R., Guingouain, G., and Somat, A. (2009). L'acceptabilité sociale: la prise en compte des déterminants sociaux dans l'analyse de l'acceptabilité des systèmes technologiques.Trav。嗡嗡声。72年,383 - 395。doi: 10.3917 / th.724.0383
星期四,M。,Mahlke, S. (2007). Usability, aesthetics and emotions in human-technology interaction.Int。j . Psychol。42岁,253 - 264。doi: 10.1080 / 00207590701396674
马纳尔,V。,Bala, H. (2008). Technology acceptance model 3 and a research agenda on interventions.决策。Sci。39岁,273 - 315。doi: 10.1111 / j.1540-5915.2008.00192.x
马纳尔,V。,戴维斯,f . D。(2000). A theoretical extension of the technology acceptance model: four longitudinal field studies.等内容。Sci。46岁,186 - 204。doi: 10.1287 / mnsc.46.2.186.11926
马纳尔,V。,Morris, M. G., Davis, G. B., and Davis, F. D. (2003). User acceptance of information technology: toward a unified view.管理信息系统问。27日,425 - 478。
马纳尔,V。,Thong, J. Y., and Xu, X. (2012). Consumer acceptance and use of information technology: extending the unified theory of acceptance and use of technology.管理信息系统问。36岁,157 - 178。doi: 10.2307 / 41410412
Voinea, g . d。Boboc, R。,Gîrbacia, F., and Postelnicu, C.-C. (2019). “Technology acceptance of a hybrid brain-computer interface for instruction manual browsing,” in学报》第14届国际会议上虚拟学习(ICVL——由)(布加勒斯特)。
王,Y.-M。,Wei, C.-L., and Wang, M.-W. (2022). Factors influencing students' adoption intention of brain-computer interfaces in a game-learning context.图书馆嗨科技。doi: 10.1108 / lht - 12 - 2021 - 0506。(Epub提前打印)。
王,Y.-S。、吴M.-C。,Wang, H.-Y. (2009). Investigating the determinants and age and gender differences in the acceptance of mobile learning.Br。j .建造。抛光工艺。40岁,92 - 118。doi: 10.1111 / j.1467-8535.2007.00809.x
遗嘱,m . J。,El-Gayar, O. F., and Bennett, D. (2008). Examining healthcare professionals' acceptance of electronic medical records using utaut.问题。情报系统。9日,396 - 401。网上:https://iacis.org/iis/2008/S2008_1053.pdf
威特,M。,Kober, S., Ninaus, M., Neuper, C., and Wood, G. (2013). Control beliefs can predict the ability to up-regulate sensorimotor rhythm during neurofeedback training.前面。嗡嗡声。>。7日,478年。doi: 10.3389 / fnhum.2013.00478
Wolbring G。Diep, L。,Yumakulov, S., Ball, N., and Yergens, D. (2013). Social robots, brain machine interfaces and neuro/cognitive enhancers: three emerging science and technology products through the lens of technology acceptance theories, models and frameworks.技术1,3-25。doi: 10.3390 / technologies1010003
关键词:脑机接口(BCI) neurofeedback (NF),可接受性,接受,中风,运动康复,模型,调查问卷
引用:Grevet E,打造K, Tadiello年代,Izac M, Amadieu F,布鲁内尔L, Pillette L, Py J, Gasq D和Jeunet-Kelway C(2023)建模bci卒中后运动康复的可接受性:对公众大规模研究。前面。Neuroergon。3:1082901。doi: 10.3389 / fnrgo.2022.1082901
收到:2022年10月28日;接受:09年12月2022;
发表:2023年2月01。
编辑:
Athanasios Vourvopoulos葡萄牙,西班牙优越Tecnico (ISR)版权©2023 Grevet,伪造、Tadiello、Izac Amadieu,布鲁内尔,Pillette、Py Gasq Jeunet-Kelway。这是一个开放分布式根据文章知识共享归属许可(CC)。使用、分发或复制在其他论坛是允许的,提供了原始作者(年代)和著作权人(s)认为,最初发表在这个期刊引用,按照公认的学术实践。没有使用、分发或复制是不符合这些条件的允许。
*通信:伊莉斯Grevet,
elise.grevet@u-bordeaux.fr