MétaCan
Menu
Retour à la cohorte
Enregistrement W2614348207 · doi:10.1186/s12938-017-0347-6

Inertial measurement systems for segments and joints kinematics assessment: towards an understanding of the variations in sensors accuracy

2017· article· en· W2614348207 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueBioMedical Engineering OnLine · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueBalance, Gait, and Falls Prevention
Établissements canadiensInstitut Universitaire de Gériatrie de MontréalUniversité du Québec à MontréalInstitut interdisciplinaire d'innovation technologiqueUniversité de Sherbrooke
Organismes subventionnairesInstitute of AgingFonds de Recherche du Québec - SantéUniversité du Québec à MontréalUniversity of WindsorCanadian Institutes of Health ResearchUniversité Laval
Mots-clésKinematicsInertial frame of referenceSystem of measurementComputer scienceInertial measurement unitBiomedical engineeringEngineeringArtificial intelligencePhysics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Joints kinematics assessment based on inertial measurement systems, which include attitude and heading reference system (AHRS), are quickly gaining in popularity for research and clinical applications. The variety of the tasks and contexts they are used in require a deep understanding of the AHRS accuracy for optimal data interpretation. However, published accuracy studies on AHRS are mostly limited to a single task measured on a limited number of segments and participants. This study assessed AHRS sensors kinematics accuracy at multiple segments and joints through a variety of tasks not only to characterize the system's accuracy in these specific conditions, but also to extrapolate the accuracy results to a broader range of conditions using the characteristics of the movements (i.e. velocity and type of motion). Twenty asymptomatic adults ([Formula: see text] = 49.9) performed multiple 5 m timed up and go. Participants' head, upper trunk, pelvis, thigh, shank and foot were simultaneously tracked using AHRS and an optical motion capture system (gold standard). Each trial was segmented into basic tasks (sit-to-stand, walk, turn). RESULTS: At segment level, results revealed a mean root-mean-squared-difference [Formula: see text] varying between 1.1° and 5.5° according to the segment tracked and the task performed, with a good to excellent agreement between the systems. Relative sensor kinematics accuracy (i.e. joint) varied between 1.6° and 13.6° over the same tasks. On a global scheme, analysis of the effect of velocity on sensor kinematics accuracy showed that AHRS are better adapted to motions performed between 50°/s and 75°/s (roughly thigh and shank while walking). CONCLUSION: Results confirmed that pairing of modules to obtain joint kinematics affects the accuracy compared to segment kinematics. Overall, AHRS are a suitable solution for clinical evaluation of biomechanics under the multi-segment tasks performed although the variation in accuracy should be taken into consideration when judging the clinical meaningfulness of the observed changes.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,699
Score d'incertitude au seuil0,322

Scores Codex et Gemma par catégorie

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

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 Opus0,115
Tête enseignante GPT0,403
Écart entre enseignants0,289 · 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