Interlaboratory Study Toward Combining Gait Kinematics Data Sets of Long-Distance Runners
Notice bibliographique
Résumé
The limited sample size in gait studies has hampered progress in the field. This challenge could be addressed through multicenter studies, thereby leveraging data sets from different laboratories. This study compared 3-dimensional lower-extremity running kinematics between the Biomechanics and Motor Control Laboratory, Federal University of ABC (Brazil), and the Running Injury Clinic, University of Calgary (Canada). Three-dimensional lower-extremity kinematics from 23 male runners were collected from each laboratory using comparable instrumentation and experimental procedures. The 3-dimensional hip, knee, and ankle angles were compared within and between centers using root-mean-square deviation. Two-sample t tests Statistical Parametric Mapping tested the hypothesis that the data from both laboratories were not different. The sagittal plane hip, knee, and ankle angles were similar between laboratories, while notable differences were observed for frontal (hip and ankle) and transverse (hip and knee) plane angles. The average interlaboratory root-mean-square deviation (2.6°) was lower than the intralaboratory root-mean-square deviation (Biomechanics and Motor Control = 4.8°, Running Injury Clinic = 5.6°), with the ankle transverse angle displaying the smallest, and the knee transverse angle displaying the largest variability. This study demonstrates the potential of combining gait kinematics data from different laboratories to increase sample size, but frontal and transverse plane data should be considered with caution.
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 | 0,065 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».