New Considerations for Collecting Biomechanical Data Using Wearable Sensors: How Does Inclination Influence the Number of Runs Needed to Determine a Stable Running Gait Pattern?
Notice bibliographique
Résumé
As inertial measurement units (IMUs) are used to capture gait data in real-world environments, guidelines are required in order to determine a 'typical' or 'stable' gait pattern across multiple days of data collection. Since uphill and downhill running can greatly affect the biomechanics of running gait, this study sought to determine the number of runs needed to establish a stable running pattern during level, downhill, and uphill conditions for both univariate and multivariate analyses of running biomechanical data collected using a single wearable IMU device. Pelvic drop, ground contact time, braking, vertical oscillation, pelvic rotation, and cadence, were recorded from thirty-five recreational runners running in three elevation conditions: level, downhill, and uphill. Univariate and multivariate normal distributions were estimated from differing numbers of runs and stability was defined when the addition of a new run resulted in less than a 5% change in the 2.5 and 97.5 quantiles of the 95% probability density function for each individual runner. This stability point was determined separately for each runner and each IMU variable (univariate and multivariate). The results showed that 2-4 runs were needed to define a stable running pattern for univariate, and 4-5 days were necessary for multivariate analysis across all inclination conditions. Pearson's correlation coefficients were calculated to cross-validate differing elevation conditions and showed excellent correlations (r = 0.98 to 1.0) comparing the training and testing data within the same elevation condition and good to very good correlations (r = 0.63-0.88) when comparing training and testing data from differing elevation conditions. These results suggest that future research involving wearable technology should collect multiple days of data in order to build reliable and accurate representations of an individual's stable gait pattern.
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 ».