MétaCan
Menu
Retour à la cohorte
Enregistrement W3000546950 · doi:10.29007/wh2k

Development of a Biofeedback Wearable Sensor System to Improve Rehabilitation Following Surgical Repair of Achilles Tendon Tears

2019· article· en· W3000546950 sur OpenAlexaff
Sukhi Singh, Timothy Lee, Joshua W. Giles

Notice bibliographique

RevueEPiC series in health sciences · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésWearable computerRehabilitationBiofeedbackBluetoothComputer scienceInertial measurement unitMicrocontrollerHuman–computer interactionPhysical medicine and rehabilitationEmbedded systemMedicineWirelessPhysical therapyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper describes the development, functionality, and initial testing of a wearable sensor system and companion smartphone app intended to support the rehabilitation of Achilles injury patients by providing 1) real time biofeedback, which can help patients adhere to rehabilitation restrictions; 2) exercise support to encourage patients to correctly perform all rehabilitation activities; 3) data summaries to clinicians in order to allow appropriate interventions when necessary. The wearable system is composed of insole pressure sensors, a calf muscle activation sensor, and inertial measurement units, whose data are communicated to the smartphone app via a Bluetooth enabled microcontroller. Initial testing demonstrated the quality of the data recorded by the sensors and the ability of those data to be used to identify functional activities like walking and stairclimbing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,065
Score d'incertitude au seuil0,262

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,315
Écart entre enseignants0,298 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEPiC series in health sciencesMême sujetSports Performance and TrainingTravaux en français237 207