Concurrent validity of inertial measurement units in range of motion measurements of upper extremity: A systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Inertial measurement units (IMUs) have proven to be valuable tools in measuring the range of motion (RoM) of human upper limb joints. Although several studies have reported on the validity of IMUs compared to the gold standard (optical motion capture system, OMC), a quantitative summary of the accuracy of IMUs in measuring RoM of upper limb joints is still lacking. Thus, the primary objective of this systematic review and meta-analysis was to determine the concurrent validity of IMUs for measuring RoM of the upper extremity in adults. Fifty-one articles were included in the systematic review, and data from 16 were pooled for meta-analysis. Concurrent validity is excellent for shoulder flexion–extension (Pearson’s r = 0.969 [0.935, 0.986], ICC = 0.935 [0.749, 0.984], mean difference = −3.19 ( p = 0.55)), elbow flexion–extension (Pearson’s r = 0.954 [0.929, 0.970], ICC = 0.929 [0.814, 0.974], mean difference = 10.61 ( p = 0.36)), wrist flexion–extension (Pearson’s r = 0.974 [0.945, 0.988], mean difference = −4.20 ( p = 0.58)), good to excellent for shoulder abduction–adduction (Pearson’s r = 0.919 [0.848, 0.957], ICC = 0.840 [0.430, 0.963], mean difference = −7.10 ( p = 0.50)), and elbow pronation–supination (Pearson’s r = 0.966 [0.939, 0.981], ICC = 0.821 [0.696, 0.900]). There are some inconsistent results for shoulder internal–external rotation (Pearson’s r = 0.939 [0.894, 0.965], mean difference = −9.13 ( p < 0.0001)). In conclusion, the results support IMU as a viable instrument for measuring RoM of upper extremity, but for some specific joint movements, such as shoulder rotation and wrist ulnar-radial deviation, IMU measurements need to be used 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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».