Notice bibliographique
Résumé
Advances in Internet connectivity and personal multimedia computing have created opportunities for integrating simple motion analysis into clinical practice. The Macromedia Shockwave environment provides tools for creating media-rich software that runs within a Web browser. For this project, clinical motion analysis software was created using Shockwave that can load digital video clips of a client's motion, step/shuttle/play through the clip, superimpose a grid over the video image, measure relative joint angles, scale to a linear factor, measure distances, and measure average velocities. After installing the Shockwave and Quicktime video plug-ins, the Motion Analysis Tools-Shockwave program runs directly from a Web page hyperlink. Program testing involved comparing angle measurements, linear distances, stride length, and walking speed among six video clips. The first three clips were of a transtibial prosthesis being carried through the field of view (640 x 480, 320 x 240, 320 x 240 enlarged to 640 x 480). The second set of three clips was of a metal square carried through the field of view. Average root mean square errors were 2.0 degrees for angle measures and 1.2 cm for length measures. Stride length standard deviation was 4.6 cm (mean length = 212.1 cm). Average walking speed standard deviation was 0.015 m/s (mean speed = 1.15 m/s). The test results were consistent with video motion analysis results and within an acceptable range for clinical design-making. This Web-based motion analysis approach provides a useful tool for ubiquitous, quantitative, clinical gait analysis.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 0,009 |
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 ».