Fitts's Law using lower extremity movement: A performance driven outcome measure for degenerative lumbar spinal stenosis
Notice bibliographique
Résumé
A paucity of objective outcome measures exists for managing movement disorders, including degenerative Lumbar Spinal Stenosis (LSS). Application of Fitts' Law may provide a novel approach to clinical outcome measurement because task performance is resistant to learning and a range of performance ability can be measured by altering task difficulty. The present study compared LSS patients (N=9) to healthy age matched participants (N=7) on a lower limb aiming task to determine their respective motor performance characteristics. Participants performed pointing movements with their great toe to a series of squares that appeared on a touch screen monitor with 6 possible indices of difficulty (ID; 3 target distances and 2 target widths). Movements were recorded using an Optotrak 3D Investigator (300Hz). Reaction time (RT), movement time (MT) and peak velocity (PV) were analyzed using 2 Group (Healthy, LSS) by 6 ID (2, 3a, 3b, 4a, 4b, 5) mixed ANOVAs. A main effect for MT demonstrated a linear relationship with ID indicating Fitts' law was maintained. Overall, LSS patients demonstrated significantly faster RTs and slower MTs. A Group x ID interaction for PV revealed LSS patients did not scale movement execution to the same degree as healthy controls. Findings are discussed as they relate to Fitts' Law interpretation and clinical application. Future research will aid clinical incorporation ofmotor performance tasks as tools to establish functional ability.Acknowledgments: Direct support for this research was provided by the Alexander Gibson Fund, additional support provided by the Manitoba Health Research Council.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».