Decomposition of three-dimensional ground-reaction forces under both feet during gait.
Notice bibliographique
Résumé
Three-dimensional ground reaction forces (3D-GRF) are essential for functional evaluation for rehabilitation. A platform path is required to obtain the 3D-GRF. The main shortcoming of these platform paths is that during double stance phases of gait, both feet can be placed on the same force platform causing the need for decomposing the 3D-GRF under each foot. Despite the high number of studies on force decomposition, there is still no method on the decomposition of 3D-GRF based on data from platforms. OBJECTIVE: This study aims to present an automatic method using parametric curve fitting modeling to increase the accuracy of decomposition of 3D-GRF during double stances under each foot. METHODS: The decomposition method was applied to the global 3D-GRF using 3rd order polynomial, sine, and sine-sigmoid functions. The computed 3D-GRF was compared to the 3D-GRF independently recorded by force platforms for each subject. RESULTS: The relative average error between the computed 3D-GRF and the recorded 3D-GRF were equal to 3.3±1.6%. In details for the vertical, antero-posterior, and medio-lateral GRF, these errors were 2.9±1.6%, 6.3±4.3%, and, 9.5±3.6%, respectively, for 30 subjects. CONCLUSION: The global error on the GRF is the best one in the literature. This method can be validated on various populations with musculoskeletal disorders.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».