Lower-Extremity Gait Kinematics on Slippery Surfaces in Construction Worksites
Notice bibliographique
Résumé
PURPOSE: The purpose of this study was to investigate the lower-extremity kinematics when walking on potentially slippery surfaces in simulated construction worksite environments. METHODS: A survey was conducted to select two types of footwear, two floorings, and four contaminants to represent the local construction worksite environments, making 16 simulated conditions. A mechanical slip-resistance test was conducted to evaluate the slipping potential of the 16 conditions by the value of the dynamic coefficient of friction. The 16 conditions were classified into three groups by slipping potential. Fifteen harnessed Chinese male subjects were instructed to walk and avoid slips on each of the 16 simulated 5-m walkways 10 times at their natural cadence. The movements in the sagittal plane were videotaped, digitized, and analyzed by a motion analysis system. Gait pattern parameters were obtained. Lower-extremity kinematic data were time-normalized from foot strike (0% stance) to take-off (100% stance) and were extracted from foot strike to midstance (50% stance) at 10% stance intervals. RESULTS: ANOVA showed that with increased slipping potential, changes in gait pattern parameters included increased stance and stride time, shortened stride length, decreased propagation speed, and gentle heel strike. In lower-extremity kinematic parameters, significant differences were found mainly at the ankle joint rather than the knee joint. CONCLUSION: Strategies to prevent slips included increased stance and stride time, shortened stride length, decreased propagation speed, and gentle heel strike. The ankle joint played the most important role in adaptation strategy. Such strategy included reducing range of motion, maintaining a stiff joint, and achieving flatfoot landing or a plantarflexed ankle joint during the first 10% stance.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 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 ».