Repeatability of two methods for estimating scapular kinematics during dynamic functional tasks
Notice bibliographique
Résumé
Best practices for scapular motion tracking are still being determined. The repeatability of different scapular kinematic procedures needs to be evaluated. The purpose of this study was to assess the test-retest reliability of two scapular kinematic procedures: double calibration with AMC (D-AMC) and individualized linear modelling (LM). Ten healthy participants had their upper body movement tracked with optical motion capture in two identical sessions. Five scapular calibration poses were performed, and seven dynamic functional tasks were tested. Scapular angles were calculated from both procedures (D-AMC vs LM). The D-AMC approach uses two poses (neutral and maximum elevation) and tracks the scapula with a rigid cluster, while the LM approach predicts scapular positioning from humeral angles based on equations built from the calibration pose data. Angle waveforms and repeatability outcomes were compared. Internal and upward rotation angle waveforms were significantly different (p < 0.05) between kinematic procedures for some tasks, with maximum mean differences up to 17.3° and 23.2°, respectively. Overall, repeatability outcomes were similar between procedures, but the LM approach was slightly better for tilt and the D-AMC approach was notably improved for upward rotation in certain tasks. For example, minimal detectable changes during the Forward Transfer ranged from 6.9° to 11.9° for the D-AMC and 8.9° to 25.3° for the LM. Discrepancies between procedures may be a function of the calibration poses chosen. Additional calibration poses may improve the comparisons between procedures.
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 | 0,011 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».