MétaCan
Menu
Retour à la cohorte
Enregistrement W4400179453 · doi:10.1101/2024.06.28.601238

A Split-Belt Instrumented Treadmill with Uneven Terrain

2024· preprint· en· W4400179453 sur OpenAlexafffund
Seyed Saleh Hosseini-Yazdi, Arthur D. Kuo

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2024
Typepreprint
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTerrainTreadmillBiomechanicsGround reaction forceComputer scienceSimulationGeologyPhysicsKinematicsGeographyMedicinePhysical therapyClassical mechanics

Résumé

récupéré en direct d'OpenAlex

Abstract The biomechanics of walking are far less understood for uneven terrain than flat or even surfaces. This is due in part to a lack of ground reaction force and moment recordings from each leg. These are often obtained with split-belt instrumented treadmills, which are currently incompatible with uneven terrain, making it difficult to perform biomechanics analyses such as inverse dynamics. Here we show how a standard split-belt instrumented treadmill (Bertec, Inc., Columbus, OH) can be modified to accommodate a variety of uneven terrains. The principal design considerations are structural clearance to allow passage of an uneven treadmill belt and fabrication of the terrain. We designed mechanical components with sufficient clearance for terrains up to 0.045 m high, and formed the terrain from uneven strips of polystyrene. Measured ground reaction forces from each leg at typical walking speeds agreed well with an intact benchmark treadmill (minimum interclass cross correlation score = 0.97). The modifications had negligible effect on the treadmill’s structural strength. The terrain produced some noise-like vibrations, but at much higher frequencies than fundamental to human locomotion. The uneven terrain treadmill can record many steps of the full complement of ground reaction forces and moments from individual legs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,233
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetSports Performance and TrainingTravaux en français237 207