Prehospital Spinal Immobilization: Effect of Effort on Kinematics of Voluntary Head-neck Motion Assessed using Accelerometry
Notice bibliographique
Résumé
INTRODUCTION: Standards for immobilizing potentially spine-injured patients in the prehospital environment are evolving. Current guidelines call for more research into treatment practices. Available research into spinal immobilization (SI) reveals a number of limitations. PROBLEM: There are currently few techniques for measuring head and neck motion that address identified limitations and can be adapted to clinically relevant scenarios. This study investigates one possible method. METHODS: Study participants were fitted with miniaturized accelerometers to record head motion. Participants were exposed to three levels of restraint: none, cervical-collar only, and full immobilization. In each condition, participants were instructed to move in single planes, with multiple iterations at each of four levels of effort. Participants were also instructed to move continuously in multiple planes, with iterations at each of three levels of simulated patient movement. Peak and average displacement and acceleration were calculated for each immobilization condition and level of effort. Comparisons were made with video-based measurement. Participant characteristics also were tracked. RESULTS: Acceleration and displacement of the head increased with effort and decreased with more restraint. In some conditions, participants generated measurable acceleration with minimal displacement. Continuous, multi-dimensional motions produced greater displacement and acceleration than single-plane motions under similar conditions. CONCLUSION: Study results suggest a number of findings: acceleration complements displacement as a measure of motion in potentially spine-injured patients; participant effort has an effect on outcome measures; and continuous, multi-dimensional motion can produce results that differ from single-plane motions. Miniaturized accelerometers are a promising technology for future research to investigate these findings in realistic, clinically relevant scenarios.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| 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 | 0,000 | 0,000 |
| 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) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».