MétaCan
Menu
Retour à la cohorte
Enregistrement W4283332367 · doi:10.3390/act11070174

Foot Drop Stimulation via Piezoelectric Energy Harvester

2022· article· en· W4283332367 sur OpenAlexaff
Parham Soozandeh, Ganga Ram Poudel, Morteza Sarkari, Kamran Behdinan

Notice bibliographique

RevueActuators · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Energy Harvesting Technologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEnergy harvestingFunctional electrical stimulationPiezoelectricityMechanical energyElectric potential energyVoltage dropDrop (telecommunication)Power (physics)Electricity generationVoltageElectrical engineeringMaximum power principlePolyvinylidene fluorideMaterials scienceBiomedical engineeringAcousticsEngineeringStimulationPhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

The design and implementation of a piezoelectric energy-harvesting system, aimed at stimulating the Tibialis anterior muscle to aid patients struggling with a foot drop disability, are investigated. A physical prototype designed to be installed inside a shoe sole, consisting of an energy-harvesting unit along with a power-management circuit and a functional electrical-stimulation circuit, is fabricated. The piezoelectric energy harvester (PEH) incorporated six layers of Polyvinylidene-Fluoride sheets to achieve a mean-charge generation of 65.25 μC/step and a peak power of 10.76 mW/step. A peak voltage of +80.0 V generation was achieved during a stomping motion. The electrical systems store, convert, and deploy 60 mA electric pulses at the desired frequencies to the target muscle. The finalized prototype is best-suited to prolong the duration of the charged batteries whilst in use. In a practical sense, it should be used alongside external-power sources to recharge the batteries installed in a foot drop stimulation device. The PEH in its current state is fully capable of solely powering blood pressure sensors, glucose meters, or activity trackers.

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 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: Empirique
Score de désaccord entre enseignants0,777
Score d'incertitude au seuil0,709

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 GPT0,193
Écart entre enseignants0,184 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueActuatorsMême sujetInnovative Energy Harvesting TechnologiesTravaux en français237 207