Sit-to-stand transfer mechanics in healthy older adults: a comprehensive investigation of a portable lifting-seat device
Notice bibliographique
Résumé
PURPOSE: To evaluate lower extremity mechanics and muscle activation associated with the sit-to-stand transfer using a portable lifting-seat device and to compare these data to an unassisted transfer in healthy young and older adults. METHODS: Bilateral lower extremity and low back musculature electromyography, three-dimensional leg and trunk motion, and ground reaction forces were recorded from 10 young (mean age = 25) and 10 older (mean age = 69) adults during five trials of (i) no assist and (ii) assisted transfers. Data were time normalized to represent the period of seat-off to standing. Peak sagittal plane joint angles, moments, and muscle activity profiles were calculated. Analysis of variance models was used to test for main effects and interactions (α = 0.05). RESULTS: Trunk, hip, and knee angles were significantly reduced and dorsiflexion increased with assisted transfer (p < 0.05). Peak hip and ankle joint moments were reduced (p < 0.05) and no change found in knee moments (p > 0.05). Peak muscle activity was lower during the assisted transfer (p < 0.05). Seat device effects were similar between age groups. Older adults used higher relative muscle activation. CONCLUSION: Variables indicative of sit-to-stand functional demand were reduced with lifting-seat device use. Data provide a framework for future recommendations on product prescription, use, and research pertaining to the advancement of adaptive seating. Implications for Rehabilitation Hip and trunk mechanical demands, and muscle activation were reduced with portable lifting seat device use. Greater ankle dorsiflexion was found with portable lifting seat device use, suggesting this range of motion should be considered when prescribing this device. Healthy older and younger adults used similar knee and trunk joint mechanics yet older adults completed the sit-to-stand trials with greater lower extremity and low back muscle activation.
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 | 0,000 | 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) | 0,001 | 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 ».