MétaCan
Menu
Retour à la cohorte
Enregistrement W1984424560 · doi:10.1115/1.2735970

General Uncertainty Analysis for Manual Wheelchair Propulsion Dynamics and Development of an Instrumented Wheel

2006· article· en· W1984424560 sur OpenAlexaff
Mohammadreza Mallakzadeh, Farrokh Sassani

Notice bibliographique

RevueJournal of Medical Devices · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueProsthetics and Rehabilitation Robotics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésWheelchairPropulsionTransducerComputer scienceProcess (computing)SimulationControl theory (sociology)EngineeringAcousticsPhysicsAerospace engineeringControl (management)

Résumé

récupéré en direct d'OpenAlex

Manual wheelchair propulsion (MWP) is an inefficient and physically straining process. A reliably fabricated and instrumented wheel can help researchers to accurately calculate the forces and moments exerted by the wheelchair users and propose strategies to improve MWP. In this study, an instrumented wheel is designed, fabricated, and validated by using general uncertainty analysis. A six-component transducer is used to measure three-dimensional forces and moments applied by the wheelchair user on the handrim. The output of the transducer are forces and moments, which are directly transmitted to a PC using a USB port. By developing the transformation equations, the actual forces and moments on the hand of the wheelchair user are calculated. The angular position of the hand on the handrim is calculated from the kinetic data obtained through the instrumented wheel, and the derived equations. The general uncertainty analysis method is used to calculate the uncertainty values for the variables of interest with the Taylor series expansions. An analysis of the results shows that it is possible to obtain reliable information for MWP by using the instrumented wheel. Most of the data have uncertainties under 5% during much of the propulsion phase, and the patterns and overall behavior of the results are comparable to published data.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,420
Score d'incertitude au seuil0,244

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,257
Écart entre enseignants0,249 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medical DevicesMême sujetProsthetics and Rehabilitation RoboticsTravaux en français237 207