Use of Head-Mounted Inertial Sensors for Mobility Tasks: Protocol for a Scoping Review
Notice bibliographique
Résumé
BACKGROUND: Human activity recognition (HAR) is the use of technology to detect a person's movements. Sensors can be passive like cameras monitoring an area, or active like those attached to a person's watch. HAR is a burgeoning field whose uses span from personal health tracking to at-home physical degradation monitoring. The benefit of having sensors attached to a person for constant HAR tracking can be seen in the personal fitness field where people track their number of steps or distance ran. For older adults, HAR can be used in combination with mobility tasks like sit-to-stand, timed-up-and-go, and other tasks to monitor a person's ability to be self-sufficient and to live alone at home. Together, HAR and mobility tasks are an effective method to measure health, especially in older adults. Consumer wearables like Fitbits and Apple watches are currently being used to measure many of these mobility tasks. The wide adoption of these devices is a result of their ease of use and simplicity. Despite this, most wearables go unused shortly after purchase. A potential solution is the use of consumer devices that are already adopted like headphones or hearing aids. These devices can perform the same measurements as the wearables but have the advantage of being used for other reasons than health monitoring. Despite this, no scoping review has summarized the current capabilities of what can be done using head-worn sensors. OBJECTIVE: We aim to understand how head-worn devices have been used to monitor dynamic mobility tasks and if they have been compared to traditional methods (like smartwatches or in-sole sensors). METHODS: This scoping review will be guided by the PRISMA-ScR (Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for Scoping Reviews) framework. There is no time limit to when the papers must have been published. The databases included in the search are PubMed, Engineering Village, SCOPUS, and Web of Science. Using pre-established inclusion and exclusion criteria, 2 reviewers will screen each paper. We will follow 3 stages of the screening process: abstract and title screening, full-text screening, and full-text data extraction. RESULTS: The search will be started once this scoping review protocol is published. CONCLUSIONS: Head-mounted devices have become part of everyday life and many already contain accelerometers or inertial measurement units. This scoping review will examine how these sensors have already been used in research to measure mobility tasks, and determine how consumer devices can be adapted to improve the lives of regular people. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/67628.
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 | 0,027 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,014 |
| Bibliométrie | 0,020 | 0,018 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,071 | 0,012 |
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 ».