SCOLIOSIS ASSESSMENT VIA TELEHEALTH USING PHOTOGRAMMETRY: DEVELOPMENT AND ACCURACY
Notice bibliographique
Résumé
ABSTRACT The aim of this study was to present the development and assessment of the measurement accuracy of variables obtained with the Digital Imaged-based Postural Assessment (DIPA©) Capture app and Analysis software as part of a telehealth assessment protocol for idiopathic scoliosis. To enable the correct capture of photographic images for further analysis, the development of an application, called DIPA© Capture, was performed. A photo is automatically obtained only when the smartphone is aligned. The sample of this prospective study was composed of consecutive images of a real plumb line (RPL) taken by using the DIPA© Capture app. Once the photo was captured the app automatically drew a virtual plumb line (VPL). The inclination of the RPL and VPL was measured using the DIPA-S© eHealth Analysis software. A total of 50 images using the App comprised this sample. The median (min-max) inclination angle of the real and virtual plumb lines was 89.8° (88.6°-90°) with a 1.4° range and 90° (89.4°-90°) with a 0.6° range, respectively. The mean difference between the inclination of the two plumb lines (RPL - VPL) was very small -0.1°±0.04° (p= 0.017). The RMS error was 0.3°. The DIPA© Capture app and Analysis software for image acquisition and measurement was developed and is ready for testing with patients. The app accurately captures the alignment of the smartphone during the image acquisition and the software shows adequate measurement accuracy for future assessment of idiopathic scoliosis by photogrammetry. Level of Evidence III; Diagnostic Studies - Investigation of a Diagnostic Test.
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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».