Validity of Instrumented Insoles for Step Counting, Posture and Activity Recognition: A Systematic Review
Notice bibliographique
Résumé
With the growing interest in daily activity monitoring, several insole designs have been developed to identify postures, detect activities, and count steps. However, the validity of these devices is not clearly established. The aim of this systematic review was to synthesize the available information on the criterion validity of instrumented insoles in detecting postures activities and steps. The literature search through six databases led to 33 articles that met inclusion criteria. These studies evaluated 17 different insole models and involved 290 participants from 16 to 75 years old. Criterion validity was assessed using six statistical indicators. For posture and activity recognition, accuracy varied from 75.0% to 100%, precision from 65.8% to 100%, specificity from 98.1% to 100%, sensitivity from 73.0% to 100%, and identification rate from 66.2% to 100%. For step counting, accuracies were very high (94.8% to 100%). Across studies, different postures and activities were assessed using different criterion validity indicators, leading to heterogeneous results. Instrumented insoles appeared to be highly accurate for steps counting. However, measurement properties were variable for posture and activity recognition. These findings call for a standardized methodology to investigate the measurement properties of such devices.
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) | 0,003 | 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 ».