Markerless Vs. Marker-based Kinematics During 45-degree Cutting In Pediatric Patients
Notice bibliographique
Résumé
PURPOSE: Sports biomechanical analysis has traditionally been performed using marker-based motion analysis. Markerless motion capture systems are now available, but need to be validated for clinical and research use. This study compares kinematics from the Theia3D markerless system vs. the Vicon marker-based system for cutting in pediatric patients. METHODS: 10 pediatric athletes (6 female; age range 10-18 years) with lower extremity injuries (5 ACL, 1 MCL, 4 lower limb pain, 1 unspecified knee injury) underwent sports biomechanical testing with data being captured concurrently by a traditional marker-based motion capture system (Nexus2, Vicon, Oxford, UK) and a markerless system (Theia3D, Ontario, Canada and Qualysis, Goteborg, Sweden). Participants performed a 45° cut by running straight forward, planting their left foot on a force plate, and cutting to the right along a guideline on the floor. Kinematic data from one successful trial per patient was compared between the markerless and marker-based systems using root mean square difference (RMSD), mean difference, and RMSD after subtracting the mean difference (RMSDoffset). RESULTS: Kinematics showed similar patterns between the markerless and marker-based systems. While average RMSD of the raw data was >5° for most joint angles, all RMSDoffset were < 7° except for trunk and hip rotation (9.7° and 7.5°, respectively) (Table). Systematic differences between the two systems >10° were observed in trunk tilt and ankle inversion/eversion with differences >5° in ankle rotation, knee rotation, and knee flexion/extension. CONCLUSIONS: The markerless system produced kinematic patterns similar to marker-based motion analysis during cutting, but the differences were greater than observed during gait1 and not always systematic. Additional validation of accuracy and reliability is recommended before markerless motion capture is used for clinical biomechanical sports assessment. 1 Wren 2023. Gait Pos 104, 9-14
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».