Validation of Novel Stride Length Model-Based Approaches to Estimate Distance Covered Based on Acceleration and Pressure Data During Walking
Notice bibliographique
Résumé
The ability to walk is essential in daily life, making walking outcomes key measures in clinical practice. This study aims to develop and validate two novel stride length model-based approaches for total distance estimation using a smart insole. Eight participants wore a pair of smart insoles. For a period of six minutes, each participant walked back and forth on a predefined 20 m pathway, and the numbers of round trips and strides taken were counted. Two stride length estimation approaches based on the director coefficients of acceleration data (Approach 1) and dynamic time warping (Approach 2) using smart insoles were used. The median accuracies of the total distance using Approach 1 are 98.92% [1.24%] (ICC = 0.992) and 98.69% [2.44%] (ICC = 0.994) for the right and left sides, respectively. For Approach 2, the average accuracies are 98.95% [0.18%] (ICC = 0.996) for the right side and 99.03% [0.14%] (ICC = 0.991) for the left side. The Mann-Whitney U test shows no statistically significant difference between the actual distance and smart insole for the total distance covered. Furthermore, there is no statistically significant difference between Approach 1 and Approach 2 for stride length. Although the sample size was small, the estimated total distance using the novel model-based algorithms appears to be accurate in comparison to the actual total distance.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».