Comparison of Strain-Gage and Fiber-Optic Goniometry for Measuring Knee Kinematics During Activities of Daily Living and Exercise
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,000 | 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 découle