Implications for the Use of Postural Analysis as a Clinical Diagnostic Tool: Reliability of Quantifying Upright Standing Spinal Postures From Photographic Images
Notice bibliographique
Résumé
OBJECTIVES: A repeated measures design was used to test the reliability of standing spine postures within subjects using a biologically relevant measure determined by digitization of images and to compare the results to a previously tested vertical reference method. METHODS: Twenty subjects attended 3 sessions consisting of 5 trials each. Photographs of the sagittal and posterior views of normal upright standing were taken. Landmarks were digitized and cervical, thoracic, and lumbar spinal angles were calculated using the algebraic dot product. Intraclass correlation coefficients were used to evaluate intrasubject reliability across sessions. RESULTS: According to the intraclass correlation coefficients, posture had good to excellent reliability in the sagittal view and provided a more stable measure of spinal angles than the posterior view. Mean repositioning errors were less than 6 degrees and 2 degrees in the sagittal and posterior views, respectively. CONCLUSIONS: Although the repeatability of posture was improved in the sagittal view, when a biological measure was used instead of an external vertical reference to calculate spinal angles, individual subject posture was still variable. This brings into question the effectiveness and validity of using surface skin markers to track postural changes due to clinical interventions. If the postural analysis approach is to be used to detect changes due to clinical treatment, such changes must be larger than the baseline repositioning errors seen in healthy subjects.
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 | 0,028 | 0,167 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».