Measuring the Impact of Limb Asymmetry on Movement Irregularity and Complexity Changes During an Incremental Step Test in Para-Swimmers Using Inertial Measurement Units
Notice bibliographique
Résumé
Wearable technology can nowadays be used to improve para-swimming coaching; however, the extent to which individual anatomy affects features of swimming variability is unclear. Six paralympic swimmers were recruited, their upper-limb segment lengths were measured, and their absolute bilateral limb asymmetry indices (AbsLAIUL) were calculated. They were instrumented with a sacrum-worn inertial measurement unit and performed an in-water, fatiguing, freestyle aerobic test at incrementally faster paces. Stroke-to-stroke outcome and execution variability were calculated, respectively, using sample entropy (SampEn) and fractal dimension (FD) on forward and mediolateral linear acceleration signals. Significantly increased perceived exertion scores (F(4,28) = 154.1, p < 0.001) were observed. Execution and outcome variability increased in the forward (SampEn = F(4,25) = 11.86, p < 0.001; FD = F(4,24) = 6.17, p = 0.001) and mediolateral (SampEn = F(4,25) = 9.46, p < 0.001; FD = F(4,24) = 27.64, p < 0.001) directions. Modelling of FD (only) improved with AbsLAIUL as a covariate (forward = F(1,24) = 9.68, p = 0.005; mediolateral = F(1,24) = 8.57, p = 0.021), suggesting that AbsLAIUL affects only execution, but not outcome, variability. This information could help coaches determine which coordination indices should be personalized when monitoring variability during para-swimming training.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».