Maximal isometric force exertion predicted by the force feasible set formalism: application to handbraking
Notice bibliographique
Résumé
The aim of this study was to test the capacity of the force feasible set formalism to predict maximal force exertion during isometric handbraking. Maximal force exertion and upper-limb posture were measured with a force sensor embedded in a handbrake and an optoelectronic system, respectively. Eleven subjects participated in the experiment which consisted of exerting the maximal force in isometric conditions considering five hand brake positions relative to the seat H-point. Then, maximal force was predicted by the force feasible set obtained from an upper-limb musculoskeletal model. The root-mean-square (RMS) of the angle between measured and predicted forces was 8.4° while the RMS error (RMSE) for amplitude prediction was 95.4 N. However, predicted, and measured force amplitudes were highly correlated (r = 0.88, p < 0.05, slope = 0.97, intercept = 73.3N) attesting the capacity of the model to predict force exertion according to the subject’s posture. The implications in the framework of ergonomics are then discussed. Practitioner summary: Maximal force exertion is of paramount importance in digital human modelling. We used the force feasible set formalism to predict maximal force exertion during handbraking from posture and anthropometric data. The predicted and measured force orientation showed a RMS of 8.4° while amplitude presented a RMSE of 95.4 N with a strong correlation (r = 0.88, p < 0.05, slope 0.97, intercept 77.3 N).
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 | 0,001 |
| 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 ».