Internal Consistency of Sway Measures via Embedded Head-Mounted Accelerometers: Implications for Neuromotor Investigations
Notice bibliographique
Résumé
Accelerometers are being increasingly incorporated into neuroimaging devices to enable real-time filtering of movement artifacts. In this study, we evaluate the reliability of sway metrics derived from these accelerometers in a standard eyes-open balance assessment to determine their utility in multimodal study designs. Ten participants equipped with a head-mounted accelerometer performed an eyes-open standing condition on 7 consecutive days. Sway performance was quantified with 4 standard metrics: root-mean-square (RMS) acceleration, peak-to-peak (P2P) acceleration, jerk, and ellipse area. Intraclass correlation coefficients (ICC) quantified reliability. P2P in both the mediolateral (ICC = 0.65) and anteroposterior (ICC = 0.67) planes yielded the poorest reliability. Both ellipse area and RMS exhibited good reliability, ranging from 0.76 to 0.84 depending on the plane. Finally, jerk displayed the highest reliability with an ICC value of 0.95. Moderate to excellent reliability was observed in all sway metrics. These findings demonstrate that head-mounted accelerometers, commonly found in neuroimaging devices, can be used to reliably assess sway. These data validate the use of head-mounted accelerometers in the assessment of motor control alongside other measures of brain activity such as electroencephalography (EEG) and functional near-infrared spectroscopy (fNIRS).
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 | 0,063 | 0,136 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».