Using a mobility assistance dog reduces upper limb effort during manual wheelchair ramp ascent in an individual with spinal cord injury
Notice bibliographique
Résumé
OBJECTIVE: To compare the mechanical and muscular efforts generated in the non-dominant upper limb (U/L) when ascending a ramp with and without the use of a mobility assistance dog (AD(Mob)) in a manual wheelchair user with a spinal cord injury. METHOD: The participant ascended a ramp at natural speed using his personal wheelchair with (three trials) and without (three trials) his AD(Mob). Movement parameters of the wheelchair, head, trunk, and non-dominant U/L (i.e. hand, forearm, and arm segments) were recorded with a motion analysis system. The orthogonal force components applied on the hand rims by the U/Ls were computed with instrumented wheels. Muscular activity data of the clavicular fibers of the pectoralis major, the anterior fibers of the deltoid, the long head of the biceps brachii, and the long head of the triceps brachii were collected at the non-dominant U/L. RESULTS: During uphill propulsion with the AD(Mob), the total and tangential forces applied at the non-dominant handrim, along with the rate of rise of force, were reduced while mechanical efficiency was improved compared to uphill propulsion without the AD(Mob). Similarly, the resultant net joint movements (wrist, elbow, and shoulder) and the relative muscular demands (biceps, triceps, anterior deltoid, pectoralis major) decreased during uphill propulsion with an AD(Mob) versus without an AD(Mob). CONCLUSION: Propelling uphill with the assistance of an AD(Mob) reduces U/L efforts and improves efficiency compared to propelling uphill without its assistance in a manual wheelchair user with a spinal cord injury.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 tête enseignante, 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 ».