Differentiating Sitting, Standing, and Walking Through Regional Plantar Pressure Characteristics
Notice bibliographique
Résumé
Prolonged static weight bearing (WBR) is thought to aggravate plantar heel pain and is common in the workplace, which may put employees at greater risk of developing plantar heel pain. However, objective measures of physical activity and sedentary behaviors in the workplace are lacking, making it difficult to establish or refute the connection between work exposure and plantar heel pain. Characterizing loading patterns during common workplace postures will enhance the understanding of foot function and inform the development of new measurement tools. Plantar pressure data during periods of sitting, standing, and walking were measured in ten healthy participants using the F-Scan in-shoe measurement system (Tekscan Inc, Boston, MA). Peak and average pressure, peak and average contact area, and average pressure differential were analyzed in ten different regions of the foot. A two-way repeated measures analysis of variance (ANOVA) assessed the posture by foot region interaction for each measurement parameter; significant effects of posture by foot region were identified for all five measurement parameters. Ten foot region by measurement parameter combinations were found to significantly differentiate all three postures simultaneously; seven used pressure measures to differentiate while three used area measures. The heel, lateral midfoot (LM), and medial and central forefoot (CFF) encompassed nine of ten areas capable of differentiating all postures simultaneously. This work demonstrates that plantar pressure is a viable means to characterize and differentiate three common workplace postures. The results of this study can inform the development of measurement tools for quantifying posture duration at work.
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 | 0,000 |
| 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 ».