MétaCan
Menu
Retour à la cohorte
Enregistrement W4385812051 · doi:10.3390/s23167155

The Validity of a Three-Dimensional Motion Capture System and the Garmin Running Dynamics Pod in Connection with an Assessment of Ground Contact Time While Running in Place

2023· article· en· W4385812051 sur OpenAlexaff
Miha Drobnič, Nina Verdel, Hans‐Christer Holmberg, Matej Supej

Notice bibliographique

RevueSensors · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesJavna Agencija za Raziskovalno Dejavnost RS
Mots-clésGround reaction forceMotion captureSimulationForce platformAccelerometerDynamics (music)Wearable computerComputer scienceEngineeringMotion (physics)AcousticsArtificial intelligencePhysics

Résumé

récupéré en direct d'OpenAlex

A three-dimensional motion capture system (MoCap) and the Garmin Running Dynamics Pod can be utilised to monitor a variety of dynamic parameters during running. The present investigation was designed to examine the validity of these two systems for determining ground contact times while running in place by comparing the values obtained with those provided by the bilateral force plate (gold standard). Eleven subjects completed three 20-s runs in place at self-selected rates, starting slowly, continuing at an intermediate pace, and finishing rapidly. The ground contact times obtained with both systems differed significantly from the gold standard at all three rates, as well as for all the rates combined (p < 0.001 in all cases), with the smallest mean bias at the fastest step rate for both (11.5 ± 14.4 ms for MoCap and −81.5 ± 18.4 ms for Garmin). This algorithm was developed for the determination of ground contact times during normal running and was adapted here for the assessment of running in place by the MoCap, which could be one explanation for its lack of validity. In conclusion, the wearables developed for monitoring normal running cannot be assumed to be suitable for determining ground contact times while running in place.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,278
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetSports Performance and TrainingTravaux en français237 207