Substantiating Appropriate Motion Capture Techniques for the Assessment of Nordic Walking Gait and Posture in Older Adults
Notice bibliographique
Résumé
Nordic walking (NW) has become a safe and simple form of exercise in recent years, and in studying this gait pattern, various data collection techniques have been employed, each with positives and negatives. The aim was to determine the effect of NW on older adult gait and posture and to determine optimal use of different data collection systems in both short and long duration analysis. Gait and posture during NW and normal walking were assessed in 17 healthy older adults (age: 69 ± 7.3). Participants performed two trials of 6 Minute Walk Tests (6MWT) (1 with poles (WP) and 1 without poles (NP)) and 6 trials of a 5m walk (3 WP and 3 NP). Motion was recorded using two systems, a 6-sensor accelerometry system and an 8-camera 3-dimensional motion capture system, in order to quantify spatial-temporal, kinematic, and kinetic parameters. With both systems, participants demonstrated increased stride length and double support and decreased gait speed and cadence WP compared to NP (p <0.05). Also, with motion capture, larger single support time was found WP (p <0.05). With 3-D capture, smaller hip power generation and moments of force were found at heel contact and pre-swing as well as smaller knee power absorption at heel contact, pre-swing, and terminal swing WP compared to NP, when assessed over one cycle (p <0.05). Also, WP yielded smaller moments of force at heel contact and terminal swing along with larger moments at mid-stance of a gait cycle (p <0.05). No changes were found for posture. NW seems appropriate for promoting a normal gait pattern in older adults. Three-dimensional motion capture should primarily be used during short duration gait analysis (i.e. single gait cycle), while accelerometry systems should be primarily employed in instances requiring longer duration analysis such as during the 6MWT.
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 | 0,000 | 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 ».