A Simplified Upper-Body Model to Improve the External Validity of Wheelchair Simulators
Notice bibliographique
Résumé
During over-ground wheelchair propulsion, upper-body (UB) movement causes intracycle velocity variations that are neglected by current wheelchair simulators. This could affect the external validity of wheelchair propulsion on simulators. In this study, we investigated ways to incorporate these dynamics into the dynamic model(DM) reproduced by wheelchair simulators. We aimed to maximize the DM accuracy and minimize the number of required inputs. First, two DMs were presented: Model RL represented propulsion on a typical roller-based wheelchair simulator and model UB represented over-ground propulsion, modeling the UB as five rigid bodies. Then, three new DMs were presented: Model trunk (TR), model upper arm (UA), and model forearm (FA); these models simplified model UB by estimating the UB kinematics based on the acceleration of only one segment. For all DMs, wheelchair velocity prediction was tested over-ground at a self-selected velocity among 19 experienced manual wheelchair users with a spinal cord injury. UB kinematics was reconstructed based on personalized kinematic patterns recorded on a wheelchair simulator. Models UB and UA were the most accurate: they reduced the root-mean-square intracycle velocity prediction error from 0.044 m/s (RL) to 0.026 m/s (UB) and 0.024 m/s (UA), and reduced the velocity peak time prediction error from -27.7% (RL) to 1.7% (UB) and -7.3% (UA). Implementing model UA instead of model RL on a wheelchair simulator may improve the external validity of wheelchair propulsion on a simulator.
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 | 0,001 |
| 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 ».