Evaluating the Effects of Load Area and Sensor Configuration on the Performance of Pressure Sensors at Simulated Body-Device Interfaces
Notice bibliographique
Résumé
Force and pressure sensors are used at the body-device interface to monitor fit and inform designers, researchers, and clinicians in various biomedical applications. Commercial sensor manufacturers state that consistent actuation and a rigid surface beneath the sensor is required to ensure repeatable measurement results. However, the body-device interface is subjected to dynamically changing actuation, and the presence of rigid substrates can cause pain and affect the pressure distribution. A benchtop testing protocol was designed to determine the effects of load area and sensor configuration (i.e., elastomer load puck and rigid backing) on two common commercially available thin-film force sensitive resistors. Testing was performed on an apparatus designed to simulate the body-device interface. The effects of two calibration techniques on sensor performance were also examined. The coefficient of variance (CV) was used to evaluate sensor repeatability, where a CV of 10% and under is deemed acceptable for clinical use. All configuration variables (area, puck, backing) were found to significantly affect repeatability of measurements. The results suggest sensors should be used with an elastomer load puck and without a backing to ensure optimal results. One commercial sensor was found to consistently provide a CV of less than 10%. The results indicate a simplified calibration technique can be warranted (i.e., calibration settings approximate, but not match, the experimental settings) if a loading puck is used.
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 ».