Analysis of vertical ground reaction force waveforms of trans-tibial prosthesis users
Notice bibliographique
Résumé
The development of prosthetic foot components often incorporates mechanical characterization methods that simulate the loading conditions expected in activities of daily living. However, it is recognized that these conditions vary among users and the effect of user variability on mechanical testing results is not currently understood. The objective of this study was to statistically characterize the vertical ground reaction force (vGRF) waveform of prosthesis users to describe its variability in a population by: (1) Applying Principal Component Analysis (PCA) to measured waveforms in a cohort of trans-tibial subjects, and (2) Simulate an expected sample of waveforms for this population using a Monte Carlo method. Phase 1: Three prosthesis users walked on a level walkway at self-selected walking speeds under four prosthetic foot conditions. PCA performed on the vGRF waveforms for affected-limb footsteps resulted in three principal components (PCs) accounting for 91.5% of data variability. Results showed low variability for the same subject using similar designs of prosthetic feet and distinct differences when using a familiar device. Phase 2: Monte Carlo simulation was used to predict a family of 30 vGRF waveforms representative of the sample population. Variability was highest in regions of weight acceptance, mid-stance, and push-off, while lower variability was observed in the transition regions prior to, between, and after these regions. Conclusion: The study supports the use of PCA to describe variability in vGRF waveforms of trans-tibial prosthesis users. The analysis is suitable for Monte Carlo simulation, which showed vGRF waveforms with distinct regions of high and low variability.
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 ».