MétaCan
Menu
Retour à la cohorte
Enregistrement W3199677408 · doi:10.32393/csme.2021.223

Manual Wheelchair Stroke Time Estimation Using Hand-Mounted Sensor

2021· article· en· W3199677408 sur OpenAlex
Ramin Fathian, Alireza Noamani, Chester Ho, Hossein Rouhani, Aleksander Czekanski

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueProgress in Canadian Mechanical Engineering. Volume 4 · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueGaze Tracking and Assistive Technology
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésWheelchairComputer scienceEstimationStroke (engine)Manual wheelchairPhysical medicine and rehabilitationArtificial intelligenceMedicineEngineeringWorld Wide WebMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Individuals living with spinal cord injury who use manual wheelchairs are dependent on their upper limb for mobility. The propulsion of a manual wheelchair is physically demanding for upper limb muscles. Repetitive loads applied to the shoulder expose manual wheelchair users to shoulder injury and pain. In fact, 30% to 70% of manual wheelchair users experience shoulder pain and injury as a results of repetitive shoulder strain injury. Considering the dependence of wheelchair users' lives on their upper limb for daily routine and mobility, shoulder injury is a considerable burden and directly affects their quality of life and independence. Previous studies identified the association between shoulder injury and manual wheelchair stroke-related kinematic and kinetic parameters, with stroke time, velocity, average peak resultant force applied to pushrim, and the stroke length being the most clinically relevant parameters. These parameters are considered as reference criteria and are mostly measured by SmartWheel and motion-capture systems. However, they are limited to lab environment and are time and labour-intensive. Therefore, there is a need to develop a different method to assessthe risk of repetitive shoulder strain injury to mitigate these issues. The purpose of this study was to propose a method based on an inertial measurement unit (IMU) mounted on hand to estimate stroke time. IMU is capable of measuring three dimensional acceleration and can be used in field and remote areas. For this purpose, five volunteers were recruited to perform five rounds of wheelchair propelling. In each round, participants performed ten strokes while the SmartWheel analyzed the push on the handrim and IMU measured the hand acceleration. Then the measured magnitude of the resultant jerk vector was used to detect the hand contact and hand release, and calculate stroke time. The stroke time obtained from the IMU method was validated against the one from SmartWheel. The mean error (standard deviation) and relative mean error (mean error divided to the stroke time duration) of stroke time estimated using IMU compared to ones obtained by SmartWheel were 67 (23) millisecond and 0.8% (0.4%). This study revealed that hand-mounted IMU was able to estimate the stroke time with high accuracy.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,870
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,247
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle