Evaluation of a Restoration Algorithm Applied to Clipped Tibial Acceleration Signals
Notice bibliographique
Résumé
Wireless accelerometers with various operating ranges have been used to measure tibial acceleration. Accelerometers with a low operating range output distorted signals and have been found to result in inaccurate measurements of peaks. A restoration algorithm using spline interpolation has been proposed to restore the distorted signal. This algorithm has been validated for axial peaks within the range of 15.0–15.9 g. However, the accuracy of peaks of higher magnitude and the resultant peaks have not been reported. The purpose of the present study is to evaluate the measurement agreement of the restored peaks using a low-range accelerometer (±16 g) against peaks sampled using a high-range accelerometer (±200 g). The measurement agreement of both the axial and resultant peaks were examined. In total, 24 runners were equipped with 2 tri-axial accelerometers at their tibia and completed an outdoor running assessment. The accelerometer with an operating range of ±200 g was used as reference. The results of this study showed an average difference of −1.40 ± 4.52 g and −1.23 ± 5.48 g for axial and resultant peaks. Based on our findings, the restoration algorithm could skew data and potentially lead to incorrect conclusions if used without caution.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».