Intrarater and Interrater Reliability and Agreement of a Method to Quantify Lower-Extremity Kinematics Using Remote Data Collection
Notice bibliographique
Résumé
CONTEXT: To assess the reliability of a remote 2D markerless motion tracking method (Kinovea) to quantify knee and hip angles during dynamic tasks. METHODS: Fourteen healthy adults performed body weight squats and lateral lunges while video recording themselves at home. Knee and hip angles were quantified in the sagittal plane for the squats and in the frontal plane for the lateral lunges. Two students each performed the video analysis procedure twice, 2 weeks apart. Intraclass correlation coefficients were used to calculate the intrarater and interrater reliability for angles at maximum depth. The intrarater and interrater agreement over the joint angle-time signals were quantified using a validation metric; an acceptable agreement threshold was set at a validation metric of 0.803 or higher. Standard error of measurement (SEM) was also calculated. RESULTS: Reliability was good to excellent (intraclass correlation coefficients = .80-.98) for all angle comparisons at maximum depth. The agreement over the entire joint angle-time signal was acceptable for all squat variables except for the interrater hip angle comparison (validation metric = 0.797). None of the lateral lunge variables met the threshold of acceptable agreement. The mean SEM across participants for all joint angle-time signal and for maximum depth was acceptable (<5°) for all measurements (SEM = 1.2°-4.9°). CONCLUSIONS: Overall, the reliability, agreement, and SEM quantified in this study support the integration of remote methods to quantify lower-extremity kinematics into research and clinical practice.
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 | 0,003 | 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 ».