MétaCan
Menu
Retour à la cohorte
Enregistrement W2082128399 · doi:10.1080/00140130701733301

Lower extremity preventive measures for slips – joint moments and myoelectric analysis

2008· article· en· W2082128399 sur OpenAlexaff
Daniel Tik-Pui Fong, Youlian Hong, Jingxian Li

Notice bibliographique

RevueErgonomics · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésAnklePhysical medicine and rehabilitationCadenceKinematicsElectromyographyBicepsMedicineSwingGait analysisBiomechanicsSTRIDEMotion analysisOrthodonticsPhysical therapyAnatomyComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

This study investigated the lower extremity preventive measures for slips on simulated slippery surfaces in construction worksites. A total of 15 harnessed Chinese males walked without slips on a 5-m walkway in 16 simulated conditions 10 times at their natural cadence. Joint moments were calculated from kinetics, kinematics and anthropometric data recorded from a force plate, a Novel Pedar system and a motion analysis system. Data were evaluated from footstrike to mid-stance at 10%-stance intervals. Electromyography signals from tibialis anterior, gastrocnemius, rectus femoris and biceps femoris in one stride were evaluated in four phases, including early/late stance and swing. Results showed that lower extremity preventive measures for slips included prolonged ankle plantar flexion moments from 25% to 92% stance, increased ankle plantar flexion moments from 30% stance to mid-stance, and diminished knee extension moments from 10% to 30% stance. Higher activity of rectus femoris and gastrocnemius were found in the late stance and the swing phase respectively.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,109
Score d'incertitude au seuil0,341

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 Opus0,022
Tête enseignante GPT0,262
Écart entre enseignants0,240 · 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'étudeObservationnel
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

Citations8
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueErgonomicsMême sujetMusculoskeletal pain and rehabilitationTravaux en français237 207