MétaCan
Menu
Retour à la cohorte
Enregistrement W273832776

Evaluation of a novel accelerometer for kinetic gait analysis in dogs.

2014· article· en· W273832776 sur OpenAlexaff
Kyle Clark, Charles Caraguel, Lorne Leahey, Romain Béraud

Notice bibliographique

RevuePubMed · 2014
Typearticle
Langueen
DomaineVeterinary
ThématiqueVeterinary Orthopedics and Neurology
Établissements canadiensUniversity of Prince Edward Island
Organismes subventionnairesnon disponible
Mots-clésAccelerometerGaitConcordanceGait analysisLimits of agreementPhysical medicine and rehabilitationConcordance correlation coefficientForce platformConfidence intervalMedicineNuclear medicineBiomedical engineeringMathematicsComputer scienceStatisticsInternal medicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The objective of this study was to evaluate a novel accelerometer-based sensor system, the Walkabout Portable Gait Monitor (WPGM), for use in kinetic gait analysis of dogs. The accelerometer was compared to the common reference standard of force platform analysis. Fifteen client-owned, orthopedically sound dogs of various breeds underwent simultaneous force platform and accelerometer gait trials to measure peak vertical forces (PVFs). The agreement between PVF for the accelerometer and force platform was measured using concordance correlation coefficient (CCC) and was found, overall, to be moderate [CCC = 0.51; 95% confidence interval (CI): 0.46 to 0.56]. The agreement between PVF for the accelerometer and force platform for the forelimbs was positive and substantial (CCC = 0.79; 95% CI: 0.74 to 0.84) and for the hind limbs was positive and low (CCC = 0.34; 95% CI: 0.29 to 0.38). As measured by the accelerometer, PVF was systematically higher than as measured by the force platform (forelimbs 55.3 N, hind limbs 144.3 N). It was also found that, when positioned over the lumbar spine, the WPGM cannot measure PVF of the individual forelimbs and hind limbs, which limits its use as a clinical tool to measure kinetic variables in dogs.

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 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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,856
Score d'incertitude au seuil0,353

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 Opus0,201
Tête enseignante GPT0,349
Écart entre enseignants0,148 · 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 tête enseignante, 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

Citations11
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetVeterinary Orthopedics and NeurologyTravaux en français237 207