Maintaining stable transfemoral amputee gait on level, sloped and simulated uneven conditions in a virtual environment
Notice bibliographique
Résumé
PURPOSE: Describe and quantify how people with transfemoral amputations (TFA) maintain stable gait over a variety of surfaces; including, downhill and uphill, top and bottom-cross-slopes, medial-lateral translations, rolling hills and simulated rocky surfaces. METHODS: Ten TFA and ten matched people without amputations (NA) walked in a virtual environment with level, sloped and simulated uneven surfaces on a self-paced treadmill. Stability was quantified using medial-lateral margin of stability (ML-MoS), step parameters, and gait variability (standard deviations for speed, temporal-spatial parameters, foot clearance and root-mean-square of medial-lateral trunk acceleration). RESULTS AND CONCLUSIONS: TFA and NA adapted to non-level conditions by changing their walking speed, step width, and foot clearance. Variability for most parameters increased across conditions, compared to level. TFA walked slower than NA with shorter, wider and longer duration steps (most differences related to speed). ML-MoS did not change compared to level; however, ML-MoS was greater on the prosthetic side than both intact side and NA limbs. Foot clearance and root-mean-square of medial-lateral trunk acceleration were greater on the prosthetic side than the intact side and NA limbs. This research provides a comprehensive analysis of the different adaptations made by people without amputations compared to people with transfemoral amputations over non-level conditions and establishes significant differences between slopes and simulated uneven surfaces for TFA. Implications for Rehabilitation Transfemoral amputation and no amputation groups adapted walking biomechanics when traversing non-level surfaces. Greatest temporal-spatial gait adaptations were walking speed, step width and foot clearance. Gait parameter variability typically increased from the level condition in both groups. Transfemoral amputation group walked slower than no amputation group with shorter, wider steps and longer duration steps. This was related to speed. Transfemoral amputation group had more trunk motion variability on the prosthetic side than no amputation group; could be related to prosthetic fit.
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 | 0,000 | 0,000 |
| 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 | 0,002 |
| 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 ».