“Stepping Up” Activity Poststroke: Ankle-Positioned Accelerometer Can Accurately Record Steps During Slow Walking
Notice bibliographique
Résumé
BACKGROUND: As physical activity in people poststroke is low, devices that monitor and provide feedback of walking activity provide motivation to engage in exercise and may assist rehabilitation professionals in auditing walking activity. However, most feedback devices are not accurate at slow walking speeds. OBJECTIVE: This study assessed the accuracy of one accelerometer to measure walking steps of community-dwelling individuals poststroke. DESIGN: This was a cross-sectional study. METHODS: Two accelerometers were positioned on the nonparetic waist and ankle of participants (N=43), and walking steps from these devices were recorded at 7 speeds (0.3-0.9 m/s) and compared with video recordings (gold standard). RESULTS: When positioned at the waist, the accelerometer had more than 10% error at all speeds, except 0.8 and 0.9 m/s, and numerous participants recorded zero steps at 0.3 to 0.5 m/s. The device had 10% or less error when positioned at the ankle for all speeds between 0.4 and 0.9 m/s. LIMITATIONS: Some participants were unable to complete the faster walking speeds due to their walking impairments and inability to maintain the requested walking speed. CONCLUSIONS: Although not recommended by the manufacturer, positioning the accelerometer at the ankle (compared with the waist) may fill a long-standing need for a readily available device that provides accurate feedback for the altered and slow walking patterns that occur with stroke.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».