Comparison of Strain-Gage and Fiber-Optic Goniometry for Measuring Knee Kinematics During Activities of Daily Living and Exercise
Notice bibliographique
Résumé
There is increasing interest in wearable sensor technology as a tool for rehabilitation applications in community or home environments. Recent studies have focused on evaluating inertial based sensing (accelerometers, gyroscopes, etc.) that provide only indirect measures of joint motion. Measurement of joint kinematics using flexible goniometry is more direct, and still popular in laboratory environments, but has received little attention as a potential tool for wearable systems. The aim of this study was to compare two goniometric devices: a traditional strain-gauge flexible goniometer, and a fiberoptic flexible goniometer, for measuring dynamic knee flexion/extension angles during activity of daily living: chair rise, and gait; and exercise: deep knee bends, against joint angles computed from a "gold standard" Vicon motion tracking system. Six young adults were recruited to perform the above activities in the lab while wearing a goniometer on each knee, and reflective markers for motion tracking. Kinematic data were collected simultaneously from the goniometers (one on each leg) and the motion tracking system (both legs). The results indicate that both goniometers were within 2-5 degrees of the Vicon angles for gait and chair rise. For some deep knee bend trials, disagreement with Vicon angles exceeded ten degrees for both devices. We conclude that both goniometers can record ADL knee movement faithfully and accurately, but should be carefully considered when high (>120 deg) knee flexion angles are required.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».