Influence of Sex and Body Size on the Validity of the Microsoft Kinect for Frontal Plane Knee Kinematics During Landings
Notice bibliographique
Résumé
Three-dimensional (3D) motion capture is inaccessible, and the Microsoft Kinect is an alternative to measure surrogates of knee valgus that may contribute to anterior cruciate ligament (ACL) injury risk. We evaluated the influence of sex and body size on the agreement between methods. A total of 40 (10 per sex and BMI group) participants were included. The Kinect and motion capture measured knee ankle separation ratio (KASR) and knee abduction angles (KAAs). Intraclass correlation coefficients (ICCs) evaluated agreement between methods. 2 (sex) by 2 (BMI) by 2 (method) ANOVA compared kinematics between groups. Agreement between methods was moderate-to-good for KASR (initial contact ICCs 0.667–0.86; peak flexion ICCs 0.766–0.882). Agreement for KAA was low-to-moderate (initial contact ICCs 0.128–0.575; peak flexion ICCs 0.315–0.760). There was a BMI-by-method interaction for KASR at initial contact (p < 0.01) and a main effect of method (p < 0.01). There were BMI-by-method interactions for KAA (initial contact p > 0.01; peak knee flexion p < 0.01). The high BMI group had greater KAAs than the low BMI group, but only using motion capture. The Kinect is an alternative for measuring KASR, but not KAA. The high BMI group had greater KAAs than the low BMI group, but only when measured with motion capture.
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 | 0,017 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».