Lower limb sagittal kinematic and kinetic modeling of very slow walking for gait trajectory scaling
Notice bibliographique
Résumé
Lower extremity powered exoskeletons (LEPE) are an emerging technology that assists people with lower-limb paralysis. LEPE for people with complete spinal cord injury walk at very slow speeds, below 0.5m/s. For the able-bodied population, very slow walking uses different neuromuscular, locomotor, postural, and dynamic balance control. Speed dependent kinetic and kinematic regression equations in the literature could be used for very slow walking LEPE trajectory scaling; however, kinematic and kinetic information at walking speeds below 0.5 m/s is lacking. Scaling LEPE trajectories using current reference equations may be inaccurate because these equations were produced from faster than real-world LEPE walking speeds. An improved understanding of how able-bodied people biomechanically adapt to very slow walking will provide LEPE developers with more accurate models to predict and scale LEPE gait trajectories. Full body motion capture data were collected from 30 healthy adults while walking on an instrumented self-paced treadmill, within a CAREN-Extended virtual reality environment. Kinematic and kinetic data were collected for 0.2 m/s-0.8 m/s, and self-selected walking speed. Thirty-three common sagittal kinematic and kinetic gait parameters were identified from motion capture data and inverse dynamics. Gait parameter relationships to walking speed, cadence, and stride length were determined with linear and quadratic (second and third order) regression. For parameters with a non-linear relationship with speed, cadence, or stride-length, linear regressions were used to determine if a consistent inflection occurred for faster and slower walking speeds. Group mean equations were applied to each participant's data to determine the best performing equations for calculating important peak sagittal kinematic and kinetic gait parameters. Quadratic models based on walking speed had the strongest correlations with sagittal kinematic and kinetic gait parameters, with kinetic parameters having the better results. The lack of a consistent inflection point indicated that the kinematic and kinetic gait strategies did not change at very slow gait speeds. This research showed stronger associations with speed and gait parameters then previous studies, and provided more accurate regression equations for gait parameters at very slow walking speeds that can be used for LEPE joint trajectory development.
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 | 0,000 |
| 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 ».