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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».