Adaptations in Gait Mechanics When Walking in an Ankle Exoskeleton
Notice bibliographique
Résumé
Exoskeletons are robotic, brace-like devices that can apply assistive torques to joints, supplementing biological torques. For example, ankle exoskeletons are often designed to assist during the push-off phase of walking to reduce energy expenditure. However, the mechanism by which these exoskeletons reduce metabolic costs is often unclear due to complex human-machine interactions. Here, our purpose was to determine what lower-limb gait kinematic, kinetic, and muscle activity changes underly metabolic cost reductions during ankle exoskeleton-assisted walking. We had healthy participants (n=6) perform two, 12-minute walking trials, one without assistive torques applied (Exo Off) and one with assistive torques applied (Exo On). Participants walked on a force plate instrumented treadmill (Bertec) and were instrumented with optical motion capture (Qualisys) to measure lower-limb gait kinematics and kinetics using Opensim, electromyography (Delsys) to measure the muscle activity of nine lower-limb muscles of the dominant limb, and indirect calorimetry (Cosmed) to measure metabolic energy expenditure (Figure 1A). We aggregated the motion capture, electromyography, and metabolic data for a final analysis using custom scripts (Matlab). We found that metabolic energy expenditure was reduced by 9.52 1.25% (p=0.011; Figure 1B). This, however, did not coincide with any changes in biological ankle angle, torque, or power. However, there was a trending reduction in peak soleus activity (p=0.052). Surprisingly, we did find a reduction in knee power (p=7.3x10-3; Figure 1C) and an accompanying decrease in semitendinosus activity (p=5.9x10-3). Despite the exoskeleton acting at the ankle joint, we found the clearest benefits at the knee joint—highlighting that complex, multi-joint adaptations may underly cost savings. We are continuing data collection to increase our statistical power and better understand the mechanisms that underly exoskeleton assistance.
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 | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».