MétaCan
Menu
Retour à la cohorte
Enregistrement W2742051770 · doi:10.3390/app7080771

A Biomechanical Study for Developing Wearable-Sensor System to Prevent Hip Fractures among Seniors

2017· article· en· W2742051770 sur OpenAlexafffund
Gongbing Shan, Xiang Zhang, Brandie Wilde

Notice bibliographique

RevueApplied Sciences · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueContext-Aware Activity Recognition Systems
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaShanxi Scholarship Council of China
Mots-clésWearable computerPhysical medicine and rehabilitationMedicineBalance (ability)Physical therapyComputer scienceEmbedded system

Résumé

récupéré en direct d'OpenAlex

As the population ages, falls are becoming a major health problem, not only for those with some degree of balance or mobility impairment, but also among healthy active seniors. Previous studies suggest that the degradation of human sensorimotor function related to age contributes to falls. Hip bones are among the most frequently fractured body parts resulting from falls. Hip fractures are a frequent cause of early death, functional dependence, and high medical care costs. The current prevention method is to use hip protectors. Unfortunately, it often fails to do so because the pocket containing the pad can move away from the area during falls. Additionally, some seniors refuse to use hip protectors because they find them constraining. Hence, a new protector that is only activated during a fall is much desired. The current study explored the possibility via biomechanical analyses for building a wearable sensor system that triggers a mini-airbag system during a fall, i.e., the air-pad is only present for protection when a fall occurs. The results have revealed that two sensors placed on the left and right shoulder would be best for a detection of any-direction fall and could be applied for building a wearable sensor system for prevention of hip fractures resulting from falls.

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 candidatesÉtudes des sciences et des technologies, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,700
Score d'incertitude au seuil0,999

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 technologies0,0020,000
Communication savante0,0020,001
Science ouverte0,0030,001
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 Opus0,055
Tête enseignante GPT0,328
Écart entre enseignants0,272 · 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.

Devis d'étudeAutre devis
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

Citations10
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetContext-Aware Activity Recognition SystemsTravaux en français237 207