One motion, different strategies: Intra-individual spinal movement variability during a repeated flexion task
Notice bibliographique
Résumé
Spinal movement variability is a normal feature of repetitive motions and has been hypothesized to differ between people with and without low back pain. However, normative values for intra-individual variability are currently lacking, making it difficult to judge when the variability becomes abnormal. This study used a combination of principal components analysis, single component reconstruction, and coefficient of variation to assess intra-individual variability of 3 blocks of 10 repeated spinal flexion movements in a group of 15 healthy individuals. Spinal flexion movements were assessed using motion capture cameras and a 19 × 3 matrix of retroreflective stickers on the spinous processes and bilateral paraspinal muscle bellies of S1-C7 spinal levels. All participants showed lower range of motion coefficients of variation in the lumbar spine (1.9-25.3 %) compared to the thoracic spine (7.9-30.1 %). To explain ≥80 % of the total variance within movements, 2-5 principal components were needed for each participant. Single component reconstruction revealed magnitude changes, waveform differences, and phase shifts as common sources of variability. These changes were usually observed when the coefficient of variation exceeded 10 % for that region of the spine. In conclusion, healthy individuals display varying levels of intra-individual spinal movement variability. The sources of variability can be interpreted using a combination of principal components analysis and single component reconstruction.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».