Evaluating a Wearable Solution for Measuring Lower Extremity Asymmetry During Landing
Notice bibliographique
Résumé
Purpose: Force plates can be used to monitor landing asymmetries during rehabilitation, but they are not widely available. Accelerometer-based wearable technology may be a more feasible solution. The purpose of this article was to determine the agreement between impact accelerations measured with force plates and accelerometer-derived measures of (1) centre of mass (COM) acceleration and (2) tibial acceleration asymmetries during bilateral landings. Method: Participants completed three countermovement jumps (CMJ) and three squat jumps (SJ) on dual force plates with triaxial accelerometers attached to each tibia and lower back, near the COM. Bland and Altman 95% limits of agreement (95% LOA) were calculated. Results: = 8; 42% men) participated in the study. The mean differences between impact and COM accelerations were 0.24 g (95% LOA: -1.34 g to 1.82 g) and 0.38 g (95% LOA: -1.15 to 1.91 g) for the CMJ and SJ, respectively. The mean differences between the impact and tibial acceleration-based lower limb asymmetries in the CMJ and SJ were -6% (95% LOA: -32% to 19%) and 0% (95% LOA: -45% to 45%), respectively. Conclusions: Our findings show acceptable agreement between impact acceleration and accelerometer-based COM acceleration and lack of agreement between impact accelerations and accelerometer-based tibial acceleration asymmetries. COM acceleration could be used to quantify landing impacts during rehabilitation, but we do not consider the accelerometer-based asymmetry measures to be a suitable alternative for force plate-based measures. Future work should focus on determining normative values for lower extremity asymmetries during landing tasks.
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 | 0,000 | 0,000 |
| 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 ».