The Effects of a Simple Sensor Reorientation Procedure on Peak Tibial Accelerations during Running and Correlations with Ground Reaction Forces
Notice bibliographique
Résumé
While some studies have found strong correlations between peak tibial accelerations (TAs) and early stance ground reaction forces (GRFs) during running, others have reported inconsistent results. One potential explanation for this is the lack of a standard orientation for the sensors used to collect TAs. Therefore, our aim was to test the effects of an established sensor reorientation method on peak Tas and their correlations with GRFs. Twenty-eight runners had TA and GRF data collected while they ran at a self-selected speed on an instrumented treadmill. Tibial accelerations were reoriented to a body-fixed frame using a simple calibration trial involving quiet standing and kicking. The results showed significant differences between raw and reoriented peak TAs (p < 0.01) for all directions except for the posterior (p = 0.48). The medial and lateral peaks were higher (+0.9–1.3 g), while the vertical and anterior were lower (−0.5–1.6 g) for reoriented vs. raw accelerations. Correlations with GRF measures were generally higher for reoriented TAs, although these differences were fairly small (Δr2 = 0.04–0.07) except for lateral peaks (Δr2 = 0.18). While contingent on the position of the IMU on the tibia used in our study, our results first showed systematic differences between reoriented and raw peak accelerations. However, we did not find major improvements in correlations with GRF measures for the reorientation method. This method may still hold promise for further investigation and development, given that consistent increases in correlations were found.
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 | 0,000 |
| 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 ».