MétaCan
Menu
Retour à la cohorte
Enregistrement W2145760214 · doi:10.3109/03093646.2010.520057

Load on Osseointegrated Fixation of a Transfemoral Amputee during a Fall

2010· article· en· W2145760214 sur OpenAlexaff
Laurent Frossard

Notice bibliographique

RevueProsthetics and Orthotics International · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueProsthetics and Rehabilitation Robotics
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésDescent (aeronautics)GaitComputer scienceFixation (population genetics)OsseointegrationSimulationProsthesisFalling (accident)Physical medicine and rehabilitationMedicineSurgeryArtificial intelligenceEngineeringImplant

Résumé

récupéré en direct d'OpenAlex

Mitigation of fall-related injuries for populations of transfemoral amputees fitted with a socket or an osseointegrated fixation is challenging. Wearing a protective device fitted within the prosthesis might be a possible solution, provided that issues with automated fall detection and time of deployment of the protective mechanism are solved. The first objective of this study was to give some examples of the times and durations of descent during a real forward fall of a transfemoral amputee that occurred inadvertently while attending a gait measurement session to assess the load applied on the residuum. The second objective was to present five semi-automated methods of detection of the time of descent using the load data. The load was measured directly at 200 Hz using a six-channel transducer. The average time and duration of descent were 242 ± 42 ms (145-310 ms) and 619 ± 42 ms (550-715 ms), respectively. This study demonstrated that the transition between walking and falling was characterized by times of descent that occurred sequentially. The sensitivity and specificity of an automated algorithm might be improved by combining several methods of detection based on the deviation of the loads measured from their own trends and from a template previously established.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,004
Tête enseignante GPT0,203
Écart entre enseignants0,199 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations33
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProsthetics and Orthotics InternationalMême sujetProsthetics and Rehabilitation RoboticsTravaux en français237 207