Between-Day Reliability of Kinematic Variables Using Markerless Motion Capture for Single-Leg Squat and Single-Leg Landing Tasks
Notice bibliographique
Résumé
Background: Markerless motion capture has the potential to repeatedly collect biomechanical data during activities associated with injuries. Few studies have assessed the reliability of this technology during single-leg tasks. Purpose: The primary aim was to examine the between-day reliability of trunk and lower limb kinematics during single-leg squat and single-leg landing tasks using markerless motion capture. The secondary aim was to examine the between-day reliability of the same protocol using marker-based motion capture. Design: Reliability. Methods: Nineteen recreational athletes performed all tasks in two sessions, one week apart. Joint angles of trunk, hip, knee, and ankle were processed using Theia3D. A separate study (10 different participants) evaluated the reliability of marker-based motion capture. In both technologies, full curve analysis was examined using root mean square difference (RMSD) and discrete point analysis (initial contact and peak knee flexion) using intraclass correlation coefficient (ICC) and standard error of measurement (SEM). Statistical parametric mapping (SPM) was also used for full curve analysis in markerless motion capture. Results: For full curve analysis, markerless motion capture demonstrated low mean RMSD for all joints and planes in both SLS (3.6˚±1.3˚) and landing tasks (forward=3.2˚±1.3˚; medial=3.4˚±1.7˚). SPM showed statistical difference for bilateral hip flexion (full curve) and unilateral hip adduction, rotation, and knee flexion during a percentage of landing tasks. For discrete point analysis, ICC mean indicated moderate to good reliability (SLS= 0.77; forward landing= 0.83; medial landing= 0.80) with low mean SEM values (SLS=3.1°±1.3˚; forward landing=2.3˚±0.9°; medial landing=2.3˚±0.8˚). Marker-based motion capture showed slightly higher mean RMSD (SLS=4.2˚±1.8˚; forward landing=3.5˚±1.0˚; medial landing=3.3˚±0.9) and SEM values (SLS=4.1˚±2.2˚; forward landing=2.7˚±1.2°; medial landing=2.8˚±1.2˚). ICC mean showed good relative reliability (SLS=0.90; forward landing=0.88; medial landing=0.88). Hip flexion presented values >5° across tasks and technologies (RMSD and SEM= 5° to 8°). Conclusions: Markerless motion capture using Theia3D can reliably measure single-leg tasks with measurement errors comparable to marker-based motion capture. The low measurement error provides confidence for the regular monitoring of athletes during single-leg tasks. Level of evidence: 3.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».