The One-week Reliability Of Spatiotemporal Walking Gait Metrics Using Insole-embedded IMUs
Notice bibliographique
Résumé
Insole-embedded inertial measurement units (IMUs) are portable and affordable compared to cumbersome and expensive laboratory equipment used to conduct gait analysis. However, there is a paucity of research on the short-term reliability of insole-embedded IMUs for walking gait. PURPOSE: We aimed to investigate the 1-week reliability of spatiotemporal outcomes derived from insole-embedded IMUs in walking. METHODS: Eight healthy, recreationally active adults (5 males, 3 females) participated in two data collections one week apart. Each participant was equipped with two insole-embedded IMUs and standardized footwear. Participants walked for 1-minute on a treadmill at three different speeds (1.0, 1.4, and 1.8 m/s) in randomized order. Spatiotemporal outcomes included ground contact time (GCT), swing time, single limb support, double limb support, and cadence. To assess the reliability of the spatiotemporal variables, we calculated intra-class correlation coefficient (ICC), standard error of measurement (SEM), and minimal detectable change (MDC). RESULTS: Spatiotemporal variables exhibited excellent reliability with low SEM and MDC values across all speeds between the two sessions (Table 1). The smallest SEM and greatest ICC values were at the fastest walking speed. CONCLUSION: The results of this study suggest that spatiotemporal variables from insole-embedded IMUs are reliable at different speeds of walking. Therefore, insole-embedded IMUs may be a valid alternative for clinicians to analyze walking gait patterns from slow to high speed of walking as well as to monitor key metrics for a progress assessment tool between therapy sessions. Table 1. The one-week reliability of spatiotemporal variables from insole-embedded IMUs during walking at 1.0 m/s, 1.4 m/s, and 1.8 m/s. ICC = Intra-class correlation coefficient; SEM = Standard error of measurement; MDC = Minimal detectable change; GCT = Ground contact time. - Mean ± SD Session 1 Session 2 ICC (95% CI) SEM MDC 1.0 m/s 1.4 m/s 1.8 m/s 1.0 m/s 1.4 m/s 1.8 m/s 1.0 m/s 1.4 m/s 1.8 m/s 1.0 m/s 1.4 m/s 1.8 m/s 1.0 m/s 1.4 m/s 1.8 m/s Average GCT (ms) 734.25 ± 57.26 612.00 ± 41.07 537.63 ± 34.83 750.50 ± 54.14 624.00 ± 47.33 540.50 ± 33.99 0.959 (0.603-0.993) 0.936 (0.678-0.987) 0.977 (0.896-0.995) 11.282 11.210 5.178 31.273 31.072 14.353 Average swing time (ms) 0.45 ± 0.04 0.42 ± 0.03 0.40 ± 0.02 0.46 ± 0.04 0.42 ± 0.03 0.40 ± 0.02 0.974 (0.837-0.995) 0.928 (0.677-0.985) 0.968 (0.844-0.994) 0.006 0.008 0.004 0.017 0.022 0.011 Single limb support (%) 76.35 ± 2.01 81.14 ± 2.52 86.03 ± 2.65 76.11 ± 1.95 80.91 ± 2.43 85.52 ± 2.36 0.980 (0.910-0.996) 0.977 (0.895-0.995) 0.988 (0.838-0.998) 0.278 0.376 0.275 0.777 1.042 0.763 Double limb support (%) 23.65 ± 2.01 18.86 ± 2.52 14.08 ± 2.48 23.89 ± 1.95 19.09 ± 2.43 14.48 ± 2.36 0.98 (0.910-0.996) 0.977 (0.895-0.995) 0.988 (0.839-0.998) 0.280 0.376 0.265 0.777 1.042 0.736 Cadence (steps/min) 104.87 ± 8.20 119.27 ± 6.86 128.58 ± 6.20 102.55 ± 6.95 117.77 ± 7.21 128.97 ± 6.36 0.943 (0.629-0.989) 0.913 (0.608-0.982) 0.974 (0.873-0.995) 1.817 2.077 1.020 5.038 5.756 2.827
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».