Proposal and Validation of a Knee Measurement System for Patients With Osteoarthritis
Notice bibliographique
Résumé
OBJECTIVE: Currently most measurements of knee joint function are obtained through observation and patient-reported outcomes. This paper proposes an implementation and validation of a knee monitor to measure quantitative joint data in multiple degrees of freedom. The proposed system is configurable with minimal patient interaction and no frame-alignment calibration procedure is required for measurement after visually placing/replacing sensors on patients. METHODS: A mobile software system was developed using a method of extracting clinical knee angles based on attitude estimations from independent wearable sensors. Validation was performed using a robot phantom and results were compared with a gold standard motion capture system. Two instrumentation placements (lateral and posterior) were examined. RESULTS: A posterior sensor placement was determined to provide the most repeatable results through multiple degrees of freedom and measurement accuracy approached a gold standard motion capture technology with low root-mean-square error (flexion: 3.34°, internal/external rotation: 2.18°, and varus/valgus: 1.44°). CONCLUSION: The proposed system is simple to use and convenient for use in ambulatory or unsupervised environments for joint measurement; however, it was shown that accuracy can be sensitive to sensor placement. SIGNIFICANCE: This system would be beneficial for obtaining quantitative patient data or tracking functional activity in variable environments, providing clinicians with indications of how patients' knees function during activity, potentially permitting more individualized care and recommendations.
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 ».