The Effect of Physical Factors on Grip Strength and Dexterity
Notice bibliographique
Résumé
This study evaluated the relationship between physical factors (age, sex, hand size and dominance, height and weight) and both grip strength and dexterity. Ninety healthy subjects without current upper extremity pathology or injuries were recruited. Anthropometric measures of the hand were taken using the NK Micrometer, grip strength using the NK Digit-Grip, and dexterity (small, medium and large subsets) was tested using the NK Dexterity Board. Univariate correlations between grip strength and subject height, hand span, width and length were significant (r=0.38-0.82). Sex (p 0.001) and hand dominance (p 0.05) were also significant predictors of grip strength. Increased age resulted in increased time in all dexterity subtests (r=0.30-0.51). Multivariate stepwise regression revealed that sex explained the majority of variance in grip strength scores (r2=0.46-0.76), with additional contribution of age and height. Dexterity was less predictable, but most related to age (r2=0.13-0.26), with sex and dominance providing some additional information. While it is relatively easy to establish that a patient has an impaired grip, caution should be taken when ascribing that label to an individual patient's performance on a dexterity test.
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 | 0,001 | 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 | 0,000 | 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) | 0,000 | 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 ».