Accelerometry-Based Step Count Validation for Horse Movement Analysis During Stall Confinement
Notice bibliographique
Résumé
Quantitative tracking of equine movement during stall confinement has the potential to detect subtle changes in mobility due to injury. These changes may warn of potential complications, providing vital information to direct rehabilitation protocols. Inertial measurement units (IMUs) are readily available and easily attached to a limb or surcingle to objectively record step count in horses. The objectives of this study were: (1) to compare IMU-based step counts to a visually-based criterion measure (video) for three different types of movements in a stall environment, and (2) to compare three different sensor positions to determine the ideal location on the horse to assess movement. An IMU was attached at the withers, right forelimb and hindlimb of six horses to assess free-movement, circles, and figure-eights recorded in 5 min intervals and to determine the best location, through analysis of all three axes of the triaxial accelerometer, for step count during stall confinement. Mean step count difference, absolute error (%) and intraclass correlation coefficients (ICCs) were determined to assess the sensor's ability to track steps compared to the criterion measure. When comparing sensor location for all movement conditions, the right-forelimb vertical-axis produced the best results (ICC = 1.0, % error = 6.8, mean step count difference = 1.3) followed closely by the right-hindlimb (ICC = 0.999, % error = 15.2, mean step count difference = 1.8). Limitations included the small number of horse participants and the lack of random selection due to limited availability and accessibility. Overall, the findings demonstrate excellent levels of agreement between the IMU's vertical axis and the video-based criterion at the forelimb and hindlimb locations for all movement conditions.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 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 ».