Table_1_A public data set of walking full-body kinematics and kinetics in individuals with Parkinson’s disease.docx
Notice bibliographique
Résumé
Background<p>To our knowledge, there is no Parkinson’s disease (PD) gait biomechanics data sets available to the public.</p>Objective<p>This study aimed to create a public data set of 26 idiopathic individuals with PD who walked overground on ON and OFF medication.</p>Materials and methods<p>Their upper extremity, trunk, lower extremity, and pelvis kinematics were measured using a three-dimensional motion-capture system (Raptor-4; Motion Analysis). The external forces were collected using force plates. The results include raw and processed kinematic and kinetic data in c3d and ASCII files in different file formats. In addition, a metadata file containing demographic, anthropometric, and clinical data is provided. The following clinical scales were employed: Unified Parkinson’s disease rating scale motor aspects of experiences of daily living and motor score, Hoehn & Yahr, New Freezing of Gait Questionnaire, Montreal Cognitive Assessment, Mini Balance Evaluation Systems Tests, Fall Efficacy Scale-International–FES-I, Stroop test, and Trail Making Test A and B.</p>Results<p>All data are available at Figshare (https://figshare.com/articles/dataset/A_dataset_of_overground_walking_full-body_kinematics_and_kinetics_in_individuals_with_Parkinson_s_disease/14896881).</p>Conclusion<p>This is the first public data set containing a three-dimensional full-body gait analysis of individuals with PD under the ON and OFF medication. It is expected to contribute so that different research groups worldwide have access to reference data and a better understanding of the effects of medication on gait.</p>
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 | 0,001 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 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 ».