Studying Upper-Limb Kinematics Using Inertial Sensors Embedded in Mobile Phones
Notice bibliographique
Résumé
BACKGROUND: In recent years, there has been a great interest in analyzing upper-limb kinematics. Inertial measurement with mobile phones is a convenient and portable analysis method for studying humerus kinematics in terms of angular mobility and linear acceleration. OBJECTIVE: The aim of this analysis was to study upper-limb kinematics via mobile phones through six physical properties that correspond to angular mobility and acceleration in the three axes of space. METHODS: This cross-sectional study recruited healthy young adult subjects. Humerus kinematics was studied in 10 young adults with the iPhone4. They performed flexion and abduction analytical tasks. Mobility angle and lineal acceleration in each of its axes (yaw, pitch, and roll) were obtained with the iPhone4. This device was placed on the right half of the body of each subject, in the middle third of the humerus, slightly posterior. Descriptive statistics were calculated. RESULTS: Descriptive graphics of analytical tasks performed were obtained. The biggest range of motion was found in pitch angle, and the biggest acceleration was found in the y-axis in both analytical tasks. Focusing on tridimensional kinematics, bigger range of motion and acceleration was found in abduction (209.69 degrees and 23.31 degrees per second respectively). Also, very strong correlation was found between angular mobility and linear acceleration in abduction (r=.845) and flexion (r=.860). CONCLUSIONS: The use of an iPhone for humerus tridimensional kinematics is feasible. This supports use of the mobile phone as a device to analyze upper-limb kinematics and to facilitate the evaluation of the patient.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».