Augmented Reality-Based Finger Joint Range of Motion Measurement: Assessment of Reliability and Concurrent Validity
Notice bibliographique
Résumé
PURPOSE: This study aimed to determine the reliability and concurrent validity of finger joint range of motion (ROM) measurement using augmented reality (AR)-based hand tracking in a sample of healthy hands. Additionally, the study aimed to determine which camera view of the hand provided ROM measurements with the highest concurrent validity at each joint. METHODS: A web application developed for smart devices using Google's MediaPipe Hands framework converted AR-generated hand landmark coordinates from camera feed into ROM angle measurements in real time for all joints. From each of five camera views, we recorded five sets of AR-based flexion and extension measurements at the metacarpophalangeal (MCP), proximal interphalangeal (PIP) and distal interphalangeal (DIP) joints of normal index to small fingers. Test-retest reliability of the five AR-based measurements in each view was evaluated as was concurrent validity of AR-based measurements relative to manual goniometry, considered the reference standard. Given accepted inter-rater reliability of manual goniometry is 10°, we considered AR-based measurements within 10° of goniometry measurements to have "acceptable" concurrent validity. RESULTS: Forty-eight healthy hands (median age 31, 50% left, varying ethnicities) were measured. All joints demonstrated excellent test-retest reliability (intraclass correlation coefficient >0.75) in all views in flexion and ≥2 views in extension. AR-based flexion measurements were within 10˚ of goniometry in ulnar views of the index MCP, PIP, and DIP; the long MCP and PIP; and the ring PIP and DIP. In extension, multiple views at each joint consistently yielded AR-based measurements within 10° of goniometry. CONCLUSIONS: AR-based measurement has high concurrent validity and reliability; however, optimal camera views vary joint to joint. Validation in pathologic hands is required. CLINICAL RELEVANCE: Given its excellent reliability, AR-based measurement has potential for use in monitoring changes in finger ROM after intervention, either by clinicians in-person or by patients performing remote measurements independently.
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 | 0,009 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».