3D motion capture data into a kinematic composite score for assessing musculoskeletal impairments
Notice bibliographique
Résumé
Biomechanical analysis is essential for understanding and monitoring musculoskeletal impairments, with implications for clinical diagnostics and research. Current clinical methods provide isolated joint measures or qualitative observations, failing to capture motion complexity. While 3D biomechanical testing is comprehensive, its application is hindered by data volume, making it challenging to derive clinically relevant conclusions. Approaches to distill motion often neglect time-series data or are dependent on population size. To address these gaps, this study introduces the Kinematic Composite Score (K-Score), a metric that distills high-dimensional motion while preserving individual variability. The objective of this research is to outline the methodology of the K-Score algorithm, highlight its strengths, limitations, and applications. We conducted a comparative study of the K-Score Algorithm against (1) the conventional isolated kinematic measures, and (2) traditional Principal Component Analysis. The analysis was conducted with a cohort of chronic low back pain (LBP) patients, who exhibit tremendous movement heterogeneity. The K-Score outperformed traditional isolated metrics in differentiating overall motion of LBP patients from healthy controls (K-Score: controls = 94.16 ± 2.64, LBP = 85.82 ± 7.73, p < 0.001). The K-Score also demonstrated significant differences in overall motion between male and female participants, where females with LBP demonstrated higher scores than males (p < 0.001). Importantly, the K-Score was not sensitive to BMI (p = 0.49), age (p = 0.14), height (p = 0.11), or sample size. In conclusion, the K-Score addresses key limitations of traditional approaches by encapsulating full-body, time-series data within a single score that is adaptable across motion capture systems and activities, making it a powerful tool for clinical biomechanics research.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».