A Subject-Specific Approach to Detect Fatigue-Related Changes in Spine Motion Using Wearable Sensors
Notice bibliographique
Résumé
An objective method to detect muscle fatigue-related kinematic changes may reduce workplace injuries. However, heterogeneous responses to muscle fatigue suggest that subject-specific analyses are necessary. The objectives of this study were to: (1) determine if wearable inertial measurement units (IMUs) could be used in conjunction with a spine motion composite index (SMCI) to quantify subject-specific changes in spine kinematics during a repetitive spine flexion-extension (FE) task; and (2) determine if the SMCI was correlated with measures of global trunk muscle fatigue. Spine kinematics were measured using wearable IMUs in 10 healthy adults during a baseline set followed by 10 sets of 50 spine FE repetitions. After each set, two fatigue measures were collected: perceived level of fatigue using a visual analogue scale (VAS), and maximal lift strength. SMCIs incorporating 10 kinematic variables from 2 IMUs (pelvis and T8 vertebrae) were calculated and used to quantify subject-specific changes in movement. A main effect of set was observed (F (1.7, 15.32) = 10.42, p = 0.002), where the SMCI became significantly greater than set 1 starting at set 4. Significant correlations were observed between the SMCI and both fatigue VAS and maximal lift strength at the individual and study level. These findings support the use of wearable IMUs to detect subject-specific changes in spine motion associated with muscle fatigue.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 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 ».