Validity of using wearable inertial sensors for assessing the dynamics of standing balance
Notice bibliographique
Résumé
Observational balance tests (e.g., Berg Balance Scale) are used to evaluate fall-risk. However, they tend to be subjective, and their reliability and sensitivity can be limited. The use of in-lab equipment for objective balance evaluation has not been common in clinical practice, due to the requirement of an equipped lab space. While inertial measurement units (IMUs) enable objective out-of-lab balance assessment, their accuracy has not been validated. This study aims to investigate the accuracy of IMUs against in-lab equipment for characterizing standing balance. Ten non-disabled individuals participated in a two-minute standing test on a force-plate. Four approaches were used for estimating inter-segmental moments and center of pressure (COP) position in a four-segment model: (1) camera-based bottom-up approach; (2) camera-based top-down approach; (3) IMU-based (accelerometer) top-down approach; and (4) IMU-based (accelerometer and gyroscope) top-down approach. Approaches 2 to 4 resulted in high accuracy compared to the reference, Approach 1. The root-mean-square errors in estimating the segments' orientation, ground reaction forces, COP position, and joint moments were smaller than 0.3°, 0.2 N/kg, 1.5 mm, and 0.016N·m/kg, respectively. Since no significant differences were observed between the accuracy of Approaches 3 and 4, only accelerometer recordings are needed and could be recommended for monitoring standing balance.
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 | 0,008 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».