Foot orientation and trajectory variability in locomotion: effects of real-world terrain
Notice bibliographique
Résumé
Abstract Capturing human locomotion in nearly any environment or context is becoming increasingly feasible with wearable sensors, giving access to commonly encountered walking conditions. While important in expanding our understanding of locomotor biomechanics, these more variable environments present challenges to identify changes in data due to person-level factors among the varying environment-level factors. Our study examined foot-specific biomechanics while walking on terrain commonly encountered with the goal of understanding the extent to which these variables change due to terrain. We recruited healthy adults to walk at self-selected speeds on stairs, flat ground, and both shallow and steep sloped terrain. A pair of inertial measurement units were embedded in both shoes to capture foot biomechanics while walking. Foot orientation was calculated using a strapdown procedure and foot trajectory was determined by double integrating the linear acceleration. Stance time, swing time, cadence, sagittal and frontal orientations, stride length and width were extracted as discrete variables. These data were compared within-participant and across terrain conditions. The physical constraints of the stairs resulted in shorter stride lengths, less time spent in swing, toe-first foot contact, and higher variability during stair ascent specifically ( p <0.05). Stride lengths increased when ascending compared to descending slopes, and the sagittal foot angle at initial contact was greatest in the steep slope descent condition ( p <0.05). No differences were found between conditions for horizontal foot angle in midstance (p≥0.067). Our results show that walking on slopes creates differential changes in foot biomechanics depending on whether one is descending or ascending, and stairs require different biomechanics and gait timing than slopes or flat ground. This may be an important factor to consider when making comparisons of real-world walking bouts, as greater proportions of one terrain feature in a data set could create bias in the outcomes. Classifying terrain in unsupervised walking datasets would be helpful to avoid comparing metrics from different walking terrain scenarios.
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 | 0,001 | 0,005 |
| 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 | 0,001 | 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 ».