Assessment of the Acute Effects of Wearable Sensor Derived Auditory Biofeedback on Gross Lumbar Proprioception
Notice bibliographique
Résumé
Lower back disorders (LBDs) affect a large proportion of the population, and treatment for LBDs have been shifting toward individualized, patient-centered approaches. LBDs are typically associated with poor proprioception. Therefore, there has been a recent uptake in the utilization of wearable sensors that can administer biofeedback in various industrial, clinical, and performance-based settings to improve lumbar proprioception. The aim of this study was to investigate whether wearable sensor-derived acute auditory biofeedback can be used to improve measures of gross lumbar proprioception. To assess this, healthy participants completed an active target repositioning protocol, followed by a training period where lumbar-spine posture referenced auditory feedback was provided for select targets. Target re-matching abilities were captured before and after acute auditory biofeedback training to extract measures related to accuracy and precision across spine flexion targets (i.e., 20%, 40%, 60%, 80% maximum). Results suggest a heterogenous response to proprioceptive training whereby certain individuals and spine flexion targets experienced positive effects (i.e., improved accuracy and precision). Specifically, results suggest that mid-range flexion targets (i.e., 40-60% maximum flexion) benefited most from the acute auditory feedback training. Further, individuals with poorer repositioning abilities in the pre-training assessment showed the greatest improvements from the auditory feedback training.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,000 | 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 ».