Prediction of thigh-calf contact parameters from anthropometric regression
Notice bibliographique
Résumé
High knee flexion postures are common in industry and cultural practices, but the mechanical effect of intersegmental force, particularly thigh-calf contact force, on knee joint compressive force is poorly understood. Although some studies have measured thigh-calf contact parameters occurring in a number of high flexion postures, joint contact modeling would benefit from efforts to predict thigh-calf contact force for use in computational models. Therefore, this study assessed the strength of correlations and linear multiple regression models on the following five high flexion thigh-calf contact parameters in a young, healthy population: the onset angle of thigh-calf contact, maximum flexion angle, total thigh-calf contact force, center of force, and contact area at maximum flexion. Regressions used anthropometric values (and in some cases, maximum flexion angle). Overall, maximum flexion angle and center of force location had the most significant correlates and strong linear fits with regressive models. Thigh-calf contact onset, total force magnitude, and contact area had only moderate to weak relationships. An exploratory attempt at regression using grouped movements into gross patterns (e.g. two types of squatting were grouped into a general squatting category) using maximum flexion angle and center of force location as dependent variables resulted in similar model fitting. These findings suggest that a causal relationship between select anthropometrics and lower limb range of motion may exist, but further exploration is necessary to determine clinically reliable predictive models.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».