Validation of Inertial Sensors to Evaluate Gait Stability
Notice bibliographique
Résumé
The portability of wearable inertial sensors makes them particularly suitable for measuring gait in real-world walking situations. However, it is unclear how well inertial sensors can measure and evaluate gait stability compared to traditional laboratory-based optical motion capture. This study investigated whether an inertial sensor-based motion-capture suit could accurately assess gait stability. Healthy adult participants were asked to walk normally, with eyes closed, with approximately twice their normal step width, and in tandem. Their motion was simultaneously measured by inertial measurement units (IMU) and optical motion capture (Optical). Gait stability was assessed by calculating the margin of stability (MoS), short-term Lyapunov exponents, and step variability, along with basic gait parameters, using each system. We found that IMUs were able to detect the same differences among conditions as Optical for all but one of the measures. Bland-Altman and intraclass correlation (ICC) analysis demonstrated that mediolateral parameters (step width and mediolateral MoS) were measured less accurately by IMUs compared to their anterior-posterior equivalents (step length and anterior-posterior MoS). Our results demonstrate that IMUs can be used to evaluate gait stability through detecting changes in stability-related measures, but that the magnitudes of these measures might not be accurate or reliable, especially in the mediolateral direction.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,002 |
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 ».