Variability-based assessment of assisted gait using a multi-sensor instrumented cane
Notice bibliographique
Résumé
The biomechanics of walking with assistive canes are not well understood clinically, despite their long history. Canes are also often misused or not used at all once taken home, despite the known benefits of proper use. To help clinicians and users evaluate and monitor cane use at home and in the community, a multi-sensor instrumented cane and interpretable gait performance metrics have been proposed. This study investigated the effects of an instrumented cane on gait speed, stride interval, and gait variability in 15 healthy individuals. Participants were asked to walk for 10 min under three different conditions: normal walking (as a control), walking with plantar flexion of the ankle, and walking with dorsiflexion of the ankle. The results showed that relying solely on speed-related gait features may not be sufficient to detect gait changes caused by both the use of a cane and the simulated gait conditions. To gain a more comprehensive understanding of gait performance, additional gait parameters based on gait variability extracted from the user's motion and/or the device's motion are necessary. Specifically, the detrended fluctuation analysis (DFA) exponent of stride-to-stride fluctuations can be used to differentiate between changes in walking and modifications in cane use, while other measures based on mean values, such as gait speed and stride interval, cannot. These results suggest that the abundance of information acquired from the inertial sensor-based instrumented cane can be used for automated gait analysis and gait recognition to observe and comprehend an individual's walking performance.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 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 ».