MétaCan
Menu
Retour à la cohorte
Enregistrement W2261614379 · doi:10.1123/jab.26.3.367

Quantification of Soft-Tissue Vibrations in Running: Accelerometry versus High-Speed Motion Capture

2010· article· en· W2261614379 sur OpenAlexafffund
Aurel Coza, Benno M. Nigg, Ladina Hofmann‐Fliri

Notice bibliographique

RevueJournal of Applied Biomechanics · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueEffects of Vibration on Health
Établissements canadiensUniversity of Calgary
Organismes subventionnairesUniversity of Calgary
Mots-clésAccelerometerVibrationAmplitudeAcousticsMotion captureMotion (physics)Biomedical engineeringPhysicsComputer scienceEngineeringComputer visionOptics

Résumé

récupéré en direct d'OpenAlex

Soft-tissue vibrations can be used to quantify selected properties of human tissue and their response to impact. Vibrations are typically quantified using high-speed motion capture or accelerometry. The aim of this study was to compare the amplitude and frequency of soft-tissue vibrations during running when quantified by highspeed motion capture and accelerometry simultaneously. This study showed: (a) The estimated measurement errors for amplitude and frequency were of the same order of magnitude for both techniques. (b) There were no significant differences in the mean peak frequencies and peak amplitudes measured by the two methods. (c) The video method showed an inability to capture high frequency information. This study has shown that a tradeoff has to be made between the accuracy in amplitude and frequency when these methods are employed to quantify soft tissue vibrations in running.

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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,531

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,027
Tête enseignante GPT0,319
Écart entre enseignants0,292 · 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

Citations10
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied BiomechanicsMême sujetEffects of Vibration on HealthTravaux en français237 207