Variability and reproducibility of gait parameters in youth with cerebral palsy: Feasibility for multicenter motion analysis studies
Notice bibliographique
Résumé
BACKGROUND: Demonstrating instrumented gait analysis inter-evaluator reproducibility is essential to perform proper multicenter studies. Studies have evaluated inter-evaluator reproducibility but often were limited to highly experienced evaluators or assessed in healthy individuals only. The current study aimed at determining if introducing variability through evaluators with various years of gait analysis experience would lead to acceptable levels of reproducibility? METHODS: Three adolescent and one young adult with cerebral palsy were each evaluated by four out of ten evaluators with various years of marker-based gait analysis experience. Gait analysis was performed on a 10-m walkway at patients' preferred speed. The intraclass correlation coefficient (ICC), and the intrinsic (inter-trial) and extrinsic (inter-evaluator) variability of gait parameters were computed. FINDINGS: Ten evaluators from nine different motion analysis centers (average of 8.4 ± 10.4 years of gait analysis experience; min: 1 year; max: 33 years) participated in the study. For most joints, good to excellent (0.75 to 1 ICCs) reproducibility was reported. Error analysis revealed that the main source of variability was associated with evaluators and not patients' gait. Regression analysis showed that years of experience in a motion analysis center was not a significant predictor of mean inter-evaluator deviation (β= -0.002 ± 0.006; p = 0.659) or of its standard deviation (β= -0.002 ± 0.004; p = 0.650). INTERPRETATION: The result of the current project suggests that one year of marker-based gait analysis experience and reviewing of a procedure video prior to engaging in a study is sufficient to generate quality data.
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 | 0,007 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 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 ».