Quantifying movement fluency in amputees in key functional tasks
Notice bibliographique
Résumé
Abstract Objective. Sit-to-stand (STS) and sit-to-walk (STW) movements are key functional tasks to master following lower limb amputation. They are core to activities of daily living, enabling patients to regain independence. Physiotherapists assess movement fluency (hesitation and smoothness) by observing STS and STW however, this relies on extensive experience and lacks objectivity. This study aimed to establish objective, accessible and scalable quantitative measurements of movement fluency in amputees using instrumented movement analysis. Approach. 12 transfemoral amputees (six limited community and six community ambulators) and six typical individuals completed walking, STS and STW tasks. Movement fluency was assessed using published algorithms to obtain hesitation and smoothness in STS and STW. Main results. In STW, hesitation, and smoothness showed statistically significant differences among the three groups. Community ambulators were significantly less hesitant ( p = 0.009) and smoother ( p = 0.007) than the limited community ambulators, but significantly more hesitant ( p < 0.001) and less smooth ( p < 0.001) than typical individuals. In STS, the community ambulators were significantly smoother than the limited community ambulators ( p < 0.001), but not significantly different from typical individuals ( p = 0.68). Community ambulators walked significantly faster than limited community ambulators ( p < 0.001) but significantly slower compared to typical individuals ( p < 0.001). Significance. Assessment of movement after amputation is not just about walking speed. Other important functional tasks can differentiate amputees and therefore should be considered. An amputee must learn to master both the STS and STW tasks before they can independently walk. Quantifying movement fluency in functional tasks is important to understanding the restoration of function following limb loss, tracking rehabilitation, and classifying amputees. While the study’s small sample size reflects its feasibility design, findings support future research with larger cohorts. Subsequent studies should incorporate power calculations to improve generalisability.
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) | 0,000 | 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) | 0,000 | 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 ».