Capturing Kinematics on Competitive Trial Labradors in the Field
Notice bibliographique
Résumé
Introduction: While much is known about the gaits and kinetics of Labrador Retrievers on treadmills and in laboratories, little is documented about their running kinematics in a field situation. Our goals were to develop a feasible method to capture movement parameters of field trial Labrador Retrievers enroute to the retrieve and to evaluate fatigue over multiple runs. Materials and Methods: Seventeen healthy dogs were filmed, but only the runs of six dogs were digitized consisting of 2 intact males, 4 intact females, weighing 22–31.5kg and aged 1.7–7.1years. The test simulated field trial (FT) training. Three successive runs were performed with the run out on the first and third runs filmed. An IDS camera (155 fps) was positioned perpendicular to the retrieving path. The videos were then digitized and analyzed using Kinovea (v0.8.15). Descriptive statistics of the kinematic data of the dogs were performed (significant at p < 0.05) and relationships between kinematic variables between runs were assessed. Results: There were no statistically significant differences in velocity, front or rear stance or flight phases or stride length between the analyzed runs. Discussion/Conclusion: This portable set up provided a way to capture temporospatial parameters and methodology to evaluate multiple runs in the field, although fatigue did not affect parameters. Future captures could include longer distances as well as multiple retrieve sessions. Further evaluation of each stride phase could identify factors affecting movement as well as document variations in abnormal patients. Continued kinematic analysis can provide answers about conditioning and rest periods to prevent fatigue while minimizing impactful movement. Acknowledgment: There was no proprietary interest for this project. Equipment and funds for this project were provided by the investigators. Kinovea, a free 2D motion analysis software under GPLv2 license, created in 2009 via the non-profit collaboration of several researchers, athletes, coaches and programmers. Publication History Article published online: 09 April 2024 © 2024. The Author(s). This is an open access article published by Thieme under the terms of the Creative Commons Attribution License, permitting unrestricted use, distribution, and reproduction so long as the original work is properly cited. (https://creativecommons.org/licenses/by/4.0/) Georg Thieme Verlag KG Rüdigerstraße 14, 70469 Stuttgart, Germany
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».