Kinematic gait analysis of workers exposed to knee straining postures by Bayes decision rule
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Deep knee flexion postures such as kneeling and squatting have been demonstrated, in recent review of occupational kneedisorders, as a risk factor of developing knee osteoarthritis (OA). This study investigates a probabilistic method to analyze kneegait kinematics measurements of workers exposed to knee straining postures to determine if they are in any way similar tothose of knee OA patients. The measurements we use are clinically relevant kinematic signals, namely the variation duringa locomotion gait cycle of the angles the knee makes with respect to the three-dimensional (3D) planes of flexion/extension,internal/external rotation, and abduction/adduction. Three groups of participants were used: a set of 24 workers exposed to kneestraining postures (KS workers) acting as a test group, a control group of 25 non-KS posture workers, and a reference knee OAgroup of 29 subjects. We compared the kinematic data of KS workers to those of knee OA patients and non-KS subjects using theBayes decision theory. The results shows that, using the 3D data taken together or the abduction/adduction data, the KS workersresembles often to the OA patients. The analysis on the transverse plane and on sagittal plane, i.e., the flexion/extension and theinternal/external rotation, are not conclusive as the similarities are not significant. The kinematic gait analysis by Bayes decisionrule shows the similarity of workers exposed to knee straining postures to OA gait pattern and justifies further prospective studiesof KS workers in order to assess if gait pattern could be modified even before the onset of the disease.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle