Development and validation of an objective balance assessment system
Notice bibliographique
Résumé
Introduction: Standing balance assessments are used to help identify sports-related concussions and guide return-to-play decisions. However, field assessments of standing balance using the gold standard Balance Error Scoring System (BESS) are less accurate and reliable than laboratory based techniques. Our goal was to develop and validate a simple, reliable and affordable objective balance assessment tool for field use. Methods: Thirty healthy subjects performed the BESS test in a controlled laboratory setting wearing seven inertial measurement units (IMUs) that measured linear accelerations and angular velocities from seven landmarks on their body. All trials were filmed and each video was scored by four expert BESS raters. IMU data and mean expert BESS scores were used to develop an algorithm to compute objective BESS (oBESS) scores solely from IMU data. Inter-rater reliability and comparisons between the raters and algorithm-generated oBESS scores were assessed using intra-class correlations (ICC3,1). Results: Expert raters were consistent in scoring (ICC3,1 = 0.91), and oBESS scores computed using data from only one IMU placed at the forehead accurately fit mean expert BESS scores (ICC3,1 = 0.92) and predicted individual BESS scores (ICC3,1 = 0.90). Conclusion: The oBESS can reliably predict total BESS scores in normal subjects. With further validation, the oBESS could improve the clinical validity of on-field balance assessments for identifying sport-related concussions.
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 | 0,008 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».