Normative kinematics of reaching and dexterity tasks: moving towards a quantitative baseline for Functional Capacity Evaluations (FCEs)
Notice bibliographique
Résumé
Purpose: This work generates a comprehensive description of upper extremity and torso kinematics of a healthy population during reaching and dexterity Functional Capacity Evaluation (FCE) tasks. Methods: Upper limb and torso kinematic data were collected from 30 young, healthy participants as they performed three common FCE tasks: repetitive reaching, fingertip dexterity, and hand and forearm dexterity. Kinematic profiles were created for all clinically relevant angles of the torso, shoulder, elbow, and wrist. Results: These provocative tasks require large ranges of motion and create high demand postures for the upper limb, specifically at the shoulder. Arm elevation was up to 90°, while humeral internal rotation of 25° was observed. Torso angles were typically below 30° from neutral and elbow flexion remained within 90°–120° for nearly all tasks. Wrist ulnar deviation ranged from 0° to 26° for both wrists. Conclusion: The normative data created in this investigation provide a description of healthy motion during reaching and dexterity tasks. These normative curves are the initial step towards understanding movement that would contraindicate return to work during an FCE. This work supports a future clinical goal of being able to identify persons at risk of further injury or disability if returned to work too early.
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 | 0,001 | 0,005 |
| 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 ».