Does Walking to a Beat Improve Prosthetic Gait? Investigating Immediate Effects of Rhythmic Auditory Stimulation-Based Biofeedback
Notice bibliographique
Résumé
Gait training is important for lower-limb prosthesis users (LLPUs) to regain mobility, however, traditional approaches often present challenges relating to time, cost, and accessibility. To overcome this, our team has been exploring wearable technology for out-of-clinic gait training. One promising biofeedback gait training approach, providing real-time feedback based on specific gait parameters, could be based on rhythmic auditory stimulation (RAS). Studies on the interaction between RAS and gait training have primarily used open-loop RAS without considering the user’s performance. Yet optimal gait training involves progressive, tailored practice and adaptable for goal-directed activities, suggesting the potential benefits of closed-loop RAS-based systems for modulating temporal symmetry and enhancing functional mobility outcomes. The aims of this study were threefold: to (1) examine whether, for LLPUs, RAS can improve the temporal symmetry and other spatiotemporal parameters (speed, cadence, etc.) (2) compare open- and closed-loop RAS strategies, and (3) evaluate symmetry usability and workload. RAS led to significant improvements in temporal symmetry outperforming open loop (5.5 ± 2.4% vs 3.3 ± 2.2%, respectively), thus suggesting the potential benefits of adaptive feedback training. Across both strategies, participants were able to maintain the set cadence and speed during biofeedback trials, and both strategies showed similar results in terms of workload, and overall usability was positively-rated. Future research should focus on adaptable systems tailored to individual needs and long-term assessments across more diverse gait symmetries. Finally, exploring progressive and adaptive gait training, and incorporating variations in step or stride length could optimize gait training protocols for enhanced outcomes.
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 | 0,002 |
| 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) | 0,002 | 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 ».