Adaptive cueing strategy for gait modification: A case study using auditory cues
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.
Notice bibliographique
Résumé
People with Parkinson's (PwP) experience gait impairments that can be improved through cue training, where visual, auditory, or haptic cues are provided to guide the walker's cadence or step length. There are two types of cueing strategies: open and closed-loop. Closed-loop cueing may be more effective in addressing habituation and cue dependency, but has to date been rarely validated with PwP. In this study, we adapt a human-in-the-loop framework to conduct preliminary analysis with four PwP. The closed-loop framework learns an individualized model of the walker's responsiveness to cues and generates an optimized cue based on the model. In this feasibility study, we determine whether participants in early stages of Parkinson's can respond to the novel cueing framework, and compare the performance of the framework to two alternative cueing strategies (fixed/proportional approaches) in changing the participant's cadence to two target cadences (speed up/slow down). The preliminary results show that the selection of the target cadence has an impact on the participant's gait performance. With the appropriate target, the framework and the fixed approaches perform similarly in slowing the participants' cadence. However, the proposed framework demonstrates better efficiency, explainability, and robustness across participants. Participants also have the highest retention rate in the absence of cues with the proposed framework. Finally, there is no clear benefit of using the proportional approach.
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 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 | 0,001 | 0,000 |
| 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 | 0,001 | 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 découle