Errors associated with bin boundaries in observation-based posture assessment methods
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
The trunk posture misclassification errors made by novice and experienced operators were quantified as a function of the angular distance from posture bin boundaries, similar to those used in observation-based posture assessment tools such as 3DMatch. The effect that these misclassification errors had on cumulative and peak low back loads was also determined in three simulated lifting scenarios. Ninety subjects in 3 experience groups were randomly presented with images of known trunk angle via a monitor. Subjects were instructed to make quick and accurate bin selections using standardized pictures included below the images on the monitor. Mean % bin misclassification errors were approximately 32% and 22% for the flexion/extension and lateral bend views, respectively. More bin classification errors were made the closer a viewed image was to a posture bin boundary, regardless of expertise level, and the number of errors made decreased as operator experience increased. Approximately 99% of bin selections were made either in the correct bin or in the bins immediately adjacent to the correct bin in both views. Misclassification errors made in the 3 simulated lifting scenarios induced errors in peak and cumulative loads in 66% of the cases assessed, with an average absolute difference of 13.5% across all load variables. Future work is aimed at determining the effect of training and bin size on the error misclassification rate for all body segments and views.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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