Pilot Study of the EncephaLog Smartphone Application for Gait Analysis
Notice bibliographique
Résumé
Gait disorders and falls are common in elders and in many clinical conditions, yet they are typically infrequently and subjectively evaluated, limiting prevention and intervention. Completion-time of the Timed-Up-and-Go (TUG) test is a well-accepted clinical biomarker for rating mobility and prediction of falls risk. Using smartphones’ integral accelerometers and gyroscopes, we already demonstrated that TUG completion-time can be accurately measured via a smartphone app. Here we present an extended app, EncephaLogTM, which provides gait analysis in much more detail, offering 9 additional gait biomarkers on top of the TUG completion-time. In this pilot, four healthy adults participated in a total of 32 TUG tests; simultaneously recorded by EncephaLog and motion sensor devices used in movement labs: motion capture cameras (MCC), pressure mat; and/or wearable sensors. Results show high agreement between EncephaLog biomarkers and those measured by the other devices. These preliminary results suggest that EncephaLog can provide an accurate, yet simpler, instrumented TUG (iTUG) platform than existing alternatives, offering a solution for clinics that cannot afford the cost or space required for a dedicated motion lab and for monitoring patients at their homes. Further research on a larger study population with pathologies is required to assess full validity.
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 ».