Design and validation of a novel 3D-printed wearable device for monitoring knee joint kinematics
Notice bibliographique
Résumé
Gait analysis provides an important tool for the study and clinical evaluation of conditions which affect knee joint biomechanics. Collection of knee joint kinematics in real world environments during locomotor activities of daily living could provide quantitative evidence to help understand functional impairment. Unfortunately, the high cost and necessary technical expertise associated with current commercially available systems for kinematic monitoring serve as an impediment to their adoption outside of specialized research groups. We have developed a low-cost, custom wearable device to address these shortcomings. The 3D printed device is capable of measuring knee flexion/extension (F/E) and adduction/abduction (AD/AB) angles. Here, we present a gold standard validation of the novel device against an optoelectronic motion capture system (MCS). Data were collected during a treadmill walking task from 8 participants on 2 separate occasions. Agreement with the MCS was quantified via root mean squared error (RMSE), coefficients of multiple correlation (CMC), paired dependent t-tests and Bland-Altman analyses. The wearable device had an overall RMSE of 3.0° and 2.7° and a CMC of 0.97 and 0.91 in F/E and AD/AB respectively. Wearable device error showed no significant differences between test occasions, and Bland-Altman analyses showed low bias with narrow limits of agreement. These results demonstrate the capability of the device to accurately and reliably monitor knee F/E and AD/AB angles showing strong potential for field implementation.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».