MétaCan
Menu
Retour à la cohorte
Enregistrement W2807564239 · doi:10.1177/1687814018769489

Development and evaluation of two posture-tracking user interfaces for occupational health care

2018· article· en· W2807564239 sur OpenAlexaff
Sergio Valdivia, Robin Blanco, Álvaro Uribe-Quevedo, Lina Peñuela, David Rojas, Bill Kapralos

Notice bibliographique

RevueAdvances in Mechanical Engineering · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensThe Wilson CentreOntario Tech University
Organismes subventionnairesUniversidad Militar Nueva Granada
Mots-clésUsabilityHuman–computer interactionFlexibility (engineering)TorsoComputer scienceInertial measurement unitUser interfaceTrainerPersonalizationInterface (matter)MultimediaArtificial intelligenceMedicineWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

The spinal column requires special care through exercises focused on muscle strengthening, flexibility, and mobility to minimize the risk of developing musculoskeletal disorders that may affect the quality of life. Guidelines for spinal column exercises are commonly presented through printed and multimedia guides accompanied with demonstrations performed by a physiotherapist, occupational health expert, or physical fitness trainer. However, existing guides lack interaction and oral explanations may not always be clear to the user, leading to decreased engagement and motivation to start, continue, or complete an exercise program. In this article, we present two interactive and engaging posture-tracking user interfaces intended to promote proper spinal column exercise form. One user interface employs a wooden manikin with an integrated inertial measurement unit to provide a tangible user interaction. The other user interface presents a mobile application that provides instructions and explanations about the exercises. Both user interfaces allow recording key postures during the exercise for reference and feedback. We compared the usability of the interfaces through a series of flexion and extension exercises, monitored with an inertial measuring unit worn around the torso, and a Microsoft Kinect V2 vision-based sensor. Although no significant differences between the manikin user interface and the mobile application were found in terms of usability, the inertial measurement unit provided more accurate and reliable data in comparison to the Microsoft Kinect V2 as a result of body occlusions in front of the sensor caused during the torso flexion. Although both user interfaces provide different experiences and performed well, we believe that a combination of both will improve user engagement and motivation, while providing a more accurate motion profile.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,022
Tête enseignante GPT0,383
Écart entre enseignants0,361 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations8
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Mechanical EngineeringMême sujetMusculoskeletal pain and rehabilitationTravaux en français237 207