MétaCan
Menu
Retour à la cohorte
Enregistrement W4309212130 · doi:10.3390/app122211577

Estimating Muscle Power of the Lower Limbs through the 5-Sit-to-Stand Test: A Comparison of Field vs. Laboratory Method

2022· article· en· W4309212130 sur OpenAlexaff
Luca Ferrari, Gianluca Bochicchio, Alberto Bottari, Francesco Lucertini, Alessandra Scarton, Silvia Pogliaghi

Notice bibliographique

RevueApplied Sciences · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésConcentricMathematicsStatisticsAnalysis of varianceLimits of agreementMedicineNuclear medicineGeometry

Résumé

récupéré en direct d'OpenAlex

The 5-Sit-to-stand test (5STS) is used for lower limb muscle power (MP) determination in field/clinical setting. From the time taken to perform five standing movements and three partially verified assumptions (vertical displacement, mean concentric time, and mean force), MP is estimated as the body’s vertical velocity x force. By comparison with a gold standard, laboratory approach (motion capture system and force plate), we aimed to: (1) verify the assumptions; (2) assess the accuracy of the field-estimated MP (MPfield); (3) develop and validate an optimized estimation (MPfield-opt). In 63 older adults (67 ± 6 years), we compared: (i) estimated and measured assumptions (2-WAY RM ANOVA), (ii) MPfield and MPfield-opt with the reference/laboratory method (MPlab) (2-WAY RM ANOVA, Pearson’s correlation coefficient (r), Bland-Altman analysis). There was a significant difference between estimated and measured assumptions (p < 0.001). Following the implementation of the optimized assumptions, MPfield-opt (205.1 ± 55.3 W) was not significantly different from Mlab (199.5 ± 57.9 W), with a high correlation (r = 0.86, p < 0.001) and a non-significant bias (5.64 W, p = 0.537). Provided that corrected assumptions are used, 5STS field test is confirmed a valid time- and cost-effective field method for the monitoring of lower limbs MP, a valuable index of health status in aging.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,179
Score d'incertitude au seuil0,427

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
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 Opus0,051
Tête enseignante GPT0,396
Écart entre enseignants0,345 · 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'étudeExpérimental (laboratoire)
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

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetNutrition and Health in AgingTravaux en français237 207