Unsupervised Gait Event Identification with a Single Wearable Accelerometer and/or Gyroscope: A Comparison of Methods across Running Speeds, Surfaces, and Foot Strike Patterns
Notice bibliographique
Résumé
We evaluated 18 methods capable of identifying initial contact (IC) and terminal contact (TC) gait events during human running using data from a single wearable sensor on the shank or sacrum. We adapted or created code to automatically execute each method, then applied it to identify gait events from 74 runners across different foot strike angles, surfaces, and speeds. To quantify error, estimated gait events were compared to ground truth events from a time-synchronized force plate. Based on our findings, to identify gait events with a wearable on the shank, we recommend the Purcell or Fadillioglu method for IC (biases +17.4 and -24.3 ms; LOAs -96.8 to +131.6 and -137.0 to +88.4 ms) and the Purcell method for TC (bias +3.5 ms; LOAs -143.9 to +150.9 ms). To identify gait events with a wearable on the sacrum, we recommend the Auvinet or Reenalda method for IC (biases -30.4 and +29.0 ms; LOAs -149.2 to +88.5 and -83.3 to +141.3 ms) and the Auvinet method for TC (bias -2.8 ms; LOAs -152.7 to +147.2 ms). Finally, to identify the foot in contact with the ground when using a wearable on the sacrum, we recommend the Lee method (81.9% accuracy).
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 | 0,000 | 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 | 0,000 | 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 | 0,000 |
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 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 ».