Under Pressure: The Effect of System, Surface Geometry, and Load on the Measure of Contact Pressure
Notice bibliographique
Résumé
Many human activities involve carrying payloads using a load carriage system, including backpacks, exoskeletons, and utility belts. Poorly designed systems can lead to musculoskeletal injury, pain, and discomfort. The distribution of skin contact pressure is a common biomechanical metric for assessing ergonomic designs that are both safe and comfortable. Although many studies highlighted the technical challenges of early pressure measurement systems, systematic evaluations of modern systems remain limited, despite their growing application in research and industry. This study compared three modern pressure measurement systems for absolute error and drift rate. The Novel Pliance®, Tekscan I-Scan™, and XSENSOR™ X3 systems were calibrated according to the manufacturer's protocol and tested on a flat and curved surface for pressures between 30 and 90 kPa. Ten independent trials were collected per system, surface, and load at 30 min of static pressure. Novel Pliance® exhibited the lowest absolute error (4.51 ± 2.26 kPa) and drift rate (0.05 ± 0.06 kPa/min), which significantly differed from Tekscan I-Scan™ (absolute error: 7.16 ± 4.70 kPa; drift rate: 0.15 ± 0.11 kPa/min) and XSENSOR™ X3 (9.29 ± 4.90 kPa; 0.08 ± 0.07 kPa/min). Moreover, Novel Pliance® exhibited no absolute error difference per surface and load, and drift significantly lessened over time in nearly all conditions. This study presents the importance of pressure measurement system selection in biomechanical research to enhance data accuracy, reduce confounding variables, and improve the validity of ergonomic evaluations.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».