Peak Tibiofemoral Contact Forces Estimated Using IMU-Based Approaches Are Not Significantly Different from Motion Capture-Based Estimations in Patients with Knee Osteoarthritis
Notice bibliographique
Résumé
Altered tibiofemoral contact forces represent a risk factor for osteoarthritis onset and progression, making optimization of the knee force distribution a target of treatment strategies. Musculoskeletal model-based simulations are a state-of-the-art method to estimate joint contact forces, but they typically require laboratory-based input and skilled operators. To overcome these limitations, ambulatory methods, relying on inertial measurement units, have been proposed to estimated ground reaction forces and, consequently, knee contact forces out-of-the-lab. This study proposes the use of a full inertial-capture-based musculoskeletal modelling workflow with an underlying probabilistic principal component analysis model trained on 1787 gait cycles in patients with knee osteoarthritis. As validation, five patients with knee osteoarthritis were instrumented with 17 inertial measurement units and 76 opto-reflective markers. Participants performed multiple overground walking trials while motion and inertial capture methods were synchronously recorded. Moderate to strong correlations were found for the inertial capture-based knee contact forces compared to motion capture with root mean square error between 0.15 and 0.40 of body weight. The results show that our workflow can inform and potentially assist clinical practitioners to monitor knee joint loading in physical therapy sessions and eventually assess long-term therapeutic effects in a clinical context.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».