MétaCan
Menu
Retour à la cohorte
Enregistrement W2962868657 · doi:10.1080/23335432.2019.1642141

Accuracy of estimates of cumulative load during a confined activity: bicycling

2019· article· en· W2962868657 sur OpenAlexafffund
Anthony A. Gatti, Monica R. Maly

Notice bibliographique

RevueInternational Biomechanics · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueBalance, Gait, and Falls Prevention
Établissements canadiensUniversity of WaterlooMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Foundation for Innovation
Mots-clésCadenceContext (archaeology)Cumulative distribution functionCumulative effectsStatisticsMathematicsMedicinePhysical medicine and rehabilitationGeographyProbability density function

Résumé

récupéré en direct d'OpenAlex

Cumulative load reflects the total accumulated load across a loading exposure. Estimated cumulative load can identify individuals with or at risk for pathology. However, there is no research into the accuracy of the estimated cumulative load. This study determined: (1) which impulses, from a 500 revolution bicycling activity, accurately estimate cumulative pedal reaction force; and (2) how many impulses are required to accurately estimate cumulative pedal reaction force over 500 revolutions. Twenty-four healthy adults (mean 23.4 [SD 3.1] years; 11 men) participated. Participants performed three bicycling bouts of 10-min in duration and were randomized to one of two groups (group 1 = self-selected power and prescribed cadence of 80 revolutions per minute; group 2 = prescribed power of 100 W and self-selected cadence). The first 10 revolutions (2%) of the normal pedal reaction force (PRFN) and resultant pedal reaction force (PRFR), and the first five revolutions (1%) of the anterior-posterior reaction force (PRFAP) over-estimated cumulative load. The PRFN, PRFAP, and PRFR required 80 revolutions (16%), 320 revolutions (64%) and 65 revolutions (13%), respectively, to accurately estimate cumulative load across 500 cycles. These findings highlight that the context and amount of data collected are important in producing accurate estimates of cumulative load.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,561
Score d'incertitude au seuil0,405

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,386
Écart entre enseignants0,354 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational BiomechanicsMême sujetBalance, Gait, and Falls PreventionTravaux en français237 207