Towards in-field assessment of humeral and scapular kinematics: a comparison between laboratory and field settings using inertial sensors
Notice bibliographique
Résumé
Introduction Inertial measurement units allow for quantitative assessment of body motion in many environments. Determining the ability to measure upper limb motion with inertial measurement units, leveraging procedures traditionally used in the lab such as scapular calibration procedures and humeral axial rotation calculation, would expand the opportunities to assess upper limb function in externally valid environments. This study examined if humeral and scapular motion measured in different field settings is consistent with motion measured in a lab setting in similar tasks. Methods Twenty-eight adults participated in the study (14 field setting, 14 lab setting). Three different types of field settings were included: home (n = 5), work (n = 4), and sports (n = 5). Field participants were matched to lab participants based on sex and body height. All participants were equipped with five inertial and magnetic measurement units (Xsens Awinda, Xsens Technlogies, NL, Fs = 100 Hz) on the torso, humeri, and scapulae. Humeral and scapular angles were measured during a functional task protocol consisting of seven tasks. Data from all three field settings were combined. Statistical parametric mapping (α = .05) was used to assess differences in waveforms between the lab and field data. Results and discussion Five out of seven tasks displayed no differences for humeral elevation and humeral axial rotation, while scapular upward rotation and tilt were not statistically different for any tasks. Scapular internal rotation variability was very high for the field setting, but not for the lab setting. Task-based differences in humeral elevation and humeral axial rotation may be related to equipment modifications for the field protocol and between subjects' variability in task performance. Data indicate that humeral elevation, humeral axial rotation, and scapular upward rotation can be measured in externally valid field settings, which is promising for the evaluation of upper limb movement in natural environments.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».