MétaCan
Menu
Retour à la cohorte
Enregistrement W2154060975 · doi:10.1109/tbme.2009.2026733

Determination of Sit-to-Stand Transfer Duration Using Bed and Floor Pressure Sequences

2009· article· en· W2154060975 sur OpenAlexaff
Amaya Arcelus, Christophe L. Herry, Rafik Goubran, Frank Knoefel, Heidi Sveistrup, Martin Bilodeau

Notice bibliographique

RevueIEEE Transactions on Biomedical Engineering · 2009
Typearticle
Langueen
DomaineHealth Professions
ThématiqueBalance, Gait, and Falls Prevention
Établissements canadiensÉlisabeth Bruyère HospitalUniversity of OttawaCarleton University
Organismes subventionnairesnon disponible
Mots-clésPressure sensorDuration (music)Transfer functionPressure measurementTransfer (computing)SimulationTime domainComputer scienceWaveletAcousticsEngineeringArtificial intelligenceMechanical engineeringComputer visionElectrical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

The duration of a sit-to-stand (SiSt) transfer is a representative measure of a person's status of physical mobility. This paper measured the duration unobtrusively and automatically using a pressure sensor array under a bed mattress and a floor plate beside the bed. Pressure sequences were extracted from frames of sensor data measuring bed and floor pressure over time. The start time was determined by an algorithm based on the motion of the center of pressure (COP) on the mattress toward the front edge of the bed. The end time was determined by modeling the foot pressure exerted on the floor in the wavelet domain as the step response of a third-order transfer function. As expected, young and old healthy adults generated shorter SiSt durations of around 2.31 and 2.88 s, respectively, whereas post-hip fracture and post-stroke adults produced longer SiSt durations of around 3.32 and 5.00 s. The unobtrusive nature of pressure sensing techniques used in this paper provides valuable information that can be used for the ongoing monitoring of patients within extended-care facilities or within the smart home environment.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,928
Score d'incertitude au seuil0,479

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 Opus0,020
Tête enseignante GPT0,315
Écart entre enseignants0,296 · 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'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

Citations83
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Biomedical EngineeringMême sujetBalance, Gait, and Falls PreventionTravaux en français237 207