Development and Validation of an Objective Balance Error Scoring System
Notice bibliographique
Résumé
INTRODUCTION: Limited access to sophisticated technology and the unreliability of simple tools prevent accurate and reliable human standing balance assessments outside research laboratory settings. The goal of this study was to develop and validate a simple objective balance assessment tool that provides an accurate, reliable, and affordable alternative to currently available laboratory and clinical methods. METHODS: Thirty healthy subjects were filmed performing the Balance Error Scoring System (BESS) while wearing inertial measurement units (IMU) measuring linear accelerations and angular velocities from seven locations of the body: forehead, sternum, waist, right and left wrist, and right and left shin. Each video was scored by four experienced BESS raters, whose mean scores were used to develop an algorithm computing objective BESS (oBESS) scores solely from IMU data. Interrater reliability and accuracy of oBESS scores were assessed using intraclass correlations (ICC). RESULTS: Raters displayed low variability in scoring (ICC3,1 = 0.91). The oBESS was able to produce scores with accurate fit to raters (ICC3,1 = 0.92) and predicted individual BESS scores (ICC3,1 = 0.90) using data from one IMU placed at the forehead. oBESS was unable to produce accurate scores (ICC3,1 = 0.68) when using IMU data from the subset of conditions (firm surface only) used in popular concussion identification protocols. CONCLUSION: The oBESS can reliably predict total BESS scores in healthy subjects. Pending further validation, oBESS could represent a valid tool to assess balance by offering an objective and reliable alternative to the current scoring methods of the BESS.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 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 ».