MétaCan
Menu
Retour à la cohorte
Enregistrement W1027082388 · doi:10.1123/jab.16.3.276

Mechanical Modeling of Tibial Axial Accelerations Following Impulsive Heel Impact

2000· article· en· W1027082388 sur OpenAlexafffund
David M. Andrews, James J. Dowling

Notice bibliographique

RevueJournal of Applied Biomechanics · 2000
Typearticle
Langueen
DomaineEngineering
ThématiqueLower Extremity Biomechanics and Pathologies
Établissements canadiensUniversity of Windsor
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésHeelMathematicsOrthodonticsStiffnessCondylePhysicsMedicineAnatomyThermodynamics

Résumé

récupéré en direct d'OpenAlex

A fourth order mass/spring/damper (MSD) mechanical model with linear coefficients was used to estimate axial tibial accelerations following impulsive heel impacts. A generic heel pad with constant stiffness was modeled to improve the temporal characteristics of the model. Subjects (n= 14) dropped (~5 cm) onto a force platform (3 trials), landing on the right heel pad with leg fully extended at the knee. A uni-axial accelerometer was mounted over the skin on the anterior aspect of the medial tibial condyle inferior to the tibial plateau using a Velcro™ strap (normal preload ~45 N). Model coefficients for stiffness (k1, k2) and damping (c1, c2) were varied systematically until the minimum difference in peak tibial acceleration (%PTAmin) plus maximum rate of tibial acceleration (%RTAmax) between the estimated and measured curves was achieved for each trial. Model responses to mean subject and mean group model coefficients were also determined. Subject PTA and RTA magnitudes were reproduced well by the model (%PTAmin= 1.4 ± 1.0 %, %RTAmin= 2.2 ± 2.7%). Model estimates of PTA were fairly repeatable for a given subject despite generally high variability in the model coefficients, for subjects and for the group (coefficients of variation: CVk1= 57; CVk2= 59; CVc1= 48; CVc2= 85). Differences in estimated parameters increased progressively when subject and group mean coefficients (%PTAsub= 8.4 ± 6.3%, %RTAsub= 18.9 ± 18.6%, and %PTAgrp= 19.9 ± 15.2 %, %RTAgrp= 30.2 ± 30.2%, respectively) were utilized, suggesting that trial specific calibration of coefficients for each subject is required. Additional model refinement seems warranted in order to account for the large intra-subject variability in coefficients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,016
Tête enseignante GPT0,246
Écart entre enseignants0,229 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations20
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied BiomechanicsMême sujetLower Extremity Biomechanics and PathologiesTravaux en français237 207