MétaCan
Menu
Retour à la cohorte
Enregistrement W2563695410 · doi:10.1080/1463922x.2016.1260180

Comparison of FAP scores with the use of safety footwear and regular walking shoes

2016· article· en· W2563695410 sur OpenAlexaff
D. Benjamin, Tareq Ahram, Esther De Ru, Mohamed-Amine Choukou, Ellie Abdi, Nicolas Gardan, F. Boyer, Philippe Regnault, Rédha Taïar

Notice bibliographique

RevueTheoretical Issues in Ergonomics Science · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueBalance, Gait, and Falls Prevention
Établissements canadiensCentre for Interdisciplinary Research in Rehabilitation
Organismes subventionnairesAmes Research CenterU.S. Department of Defense
Mots-clésSTRIDEGaitStatisticPhysical medicine and rehabilitationPopulationTest (biology)Gait analysisPhysical therapyPsychologySimulationMedicineEngineeringMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Gait analysis has been used for the assessment of gait-related disabilities and to provide detailed information. The gait characteristics of a healthy adult population have often been utilised to evaluate and monitor a subject's walk and patterns. This paper summarises a study that aims to compare the Functional Ambulation Performance (FAP) scores in male subjects wearing safety shoes versus regular walking shoes (RWS). Participants walked with RWS along the GAITRite® electronic walkway 30 times in self-selected speed and were analysed by the FAP; the subjects then repeated the same procedure with safety footwear. The data were then gathered in test groups containing 15 measured walks enabling the research team to establish an accurate and average FAP score for each test group. A descriptive statistic for the collected data was performed to determine the gait variables of the FAP score. Walking velocity, step and stride length, step and stride time, and step width among other measures were collected by the GAITRite® system and analysed in this research. Results show a slightly lower FAP score for test subjects walking with safety footwear and the parameters mainly affected were the step length and the stride length.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,039
Tête enseignante GPT0,376
Écart entre enseignants0,337 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTheoretical Issues in Ergonomics ScienceMême sujetBalance, Gait, and Falls PreventionTravaux en français237 207