Validity, reliability, and user perspectives of the newly developed joint angle measurement system with inertial measurement unit sensors
Notice bibliographique
Résumé
Abstract Purpose We aimed to evaluate the applicability of the newly developed joint angle measurement system consisting of six-axis inertial measurement unit sensors and tablet-based application that measure and store angular velocity and acceleration data for estimating joint angles. Materials and Methods The tablet-based application was used to calculate the orientation angles from angular velocity and acceleration data measured using a single sensor. The relative angles were calculated using the data from multiple sensors. In experiment 1, the validity and reliability of calculated angles was examined using a test device. In experiment 2, the angles of five joints were calculated in four healthy participants using attached inertial measurement unit sensors; the angles were compared with universal goniometer-measured values. In experiment 3, usability and satisfaction were evaluated with the System Usability Scale (SUS) and a Quebec User Evaluation of Satisfaction with Assistive Technology (QUEST)-like scale. Results In experiment 1, the mean difference of the time-series data between those obtained by the developed system and test device was ˂0.2° for all axes. In experiment 2, the mean difference of the integrated data was 0.2°. The mean difference for all joints was ˂5°, indicating that the measurement system is comparable to the universal goniometer. In experiment 3, the median SUS and QUEST-like scale scores were 81 and 4.0, respectively, indicating high usability and satisfaction. Conclusion The newly developed joint angle measurement system has high accuracy in measuring angles and sufficient validity in application to human joint angles, with high usability and user satisfaction.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».