Comparability of Methods for Assessing Gait Quality Remotely
Notice bibliographique
Résumé
Advancements in remote gait analysis technologies enable efficient, cost-effective and personalized real-time assessments at home. This study aims to contribute evidence as to the comparability of gait quality metrics of three methods of remote gait assessment in individuals with Parkinson’s Disease (PD): (1) Observation, (2) Wearable sensor, and (3) Pose estimation. A cross-sectional, multiple case series study was conducted remotely. Twenty participants submitted videos performing a modified TUG test with the Heel2ToeTM wearable. Each video was analyzed by six raters using the checklist specific to PD developed for this study and the MediaPipe Pose estimation library. The observational ratings agreed with the Heel2ToeTM on detecting heel strike 64% of the time and 28.5% of the time on detecting push-off. The difference in the ranks of paired observations on the Wilcoxon Signed Rank sum test between the pairs of methods compared was significant for all parameters except for push-off when estimates from MediaPipe were compared to the ratings from the Observational Checklist, W = 86 (p = 0.498). A combination of digital technologies for remote gait analysis, such as wearable sensors and pose estimation, can detect subtle nuances in gait impairments that may be overlooked by the human eye.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».