MétaCan
Menu
Retour à la cohorte
Enregistrement W2008652886 · doi:10.1016/s1350-4533(02)00116-9

A wheelchair modified for leg propulsion using voluntary activity or elecrical stimulation

2002· article· en· W2008652886 sur OpenAlexafffund
R. B. Stein, D. Roetenberg, Su Ling Chong, Kelvin B. James

Notice bibliographique

RevueMedical Engineering & Physics · 2002
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésWheelchairPhysical medicine and rehabilitationHamstringKinematicsTorqueLeverPropulsionBicepsComputer scienceSimulationMedicineEngineeringPhysicsMechanical engineering

Résumé

récupéré en direct d'OpenAlex

A commercially available wheelchair has been modified for propulsion by movements of the lower legs. The feet are attached securely to a foot rest that can rotate around the knee joint. Movement is generated either with residual voluntary activation of the quadriceps (knee extensor) and hamstring (knee flexor) muscles, or with electrical stimulation of these muscles, if voluntary control is absent. Either a chain or a lever can couple the movements through a gearbox to the wheel to propel the wheelchair forward. Control of a wheelchair with the legs is more efficient than using the arms and has the potential to increase the mobility and whole-body fitness of many wheelchair users, but there is considerable variability between subjects. To address this variability, we measured for individual subjects the passive properties of the legs and foot at rest (effective stiffness and viscosity), the length-tension (torque-angle) properties of the active muscle groups, as well as their force-velocity curve and their activation and fatigue rates. The measured values were then inserted into a model of the leg-propelled wheelchair. The purpose of this paper is to test whether the model could predict the performance of individual subjects accurately and could be used, for example, to optimize the speed of the wheelchair for a given subject.

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)0,000
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: aucune
Score de désaccord entre enseignants0,695
Score d'incertitude au seuil0,786

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,037
Tête enseignante GPT0,246
Écart entre enseignants0,208 · 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

Citations12
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical Engineering & PhysicsMême sujetMuscle activation and electromyography studiesTravaux en français237 207