Quantification of Triple Single-Leg Hop Test Temporospatial Parameters: A Validated Method Using Body-Worn Sensors for Functional Evaluation after Knee Injury
Notice bibliographique
Résumé
Lower extremity kinematic alterations associated with sport-related knee injuries may contribute to an unsuccessful return to sport or early-onset post-traumatic osteoarthritis. Also, without access to sophisticated motion-capture systems, temporospatial monitoring of horizontal hop tests during clinical assessments is limited. By applying an alternative measurement system of two inertial measurement units (IMUs) per limb, we obtained and validated flying/landing times and hop distances of triple single-leg hop (TSLH) test against motion-capture cameras, assessed these temporospatial parameters amongst injured and uninjured groups, and investigated their association with the Knee Injury and Osteoarthritis Outcome Score (KOOS). Using kinematic features of IMU recordings, strap-down integration, and velocity correction techniques, temporospatial parameters were validated for 10 able-bodied participants and compared between 22 youth with sport-related knee injuries and 10 uninjured youth. With median (interquartile range) errors less than 10(16) ms for flying/landing times, and less than 4.4(5.6)% and 2.4(3.0)% of reference values for individual hops and total TSLH progression, differences between hopping biomechanics of study groups were highlighted. For injured participants, second flying time and all hop distances demonstrated moderate to strong correlations with KOOS Symptom and Function in Daily Living scores. Detailed temporospatial monitoring of hop tests is feasible using the proposed IMUs system.
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 | 0,001 | 0,001 |
| 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 ».