Strategies to adapt walking mechanics to path curvature after a stroke
Notice bibliographique
Résumé
Presented at the <a href="https://acrm.org/meetings/2012-conference/">American Congress of Rehabilitation Medecine (ACRM)</a>, Vancouver, British Columbia, Canada (October 9 – 13, 2012).\n<p>Objective: The ability to turn while walking is compromised in people with stroke. The aim of this study was to understand the contribution of biomechanical gait impairments to locomotor adapta- tions to path curvature in people with stroke. Data were collected from eight individuals with hemiparesis due to a stroke and 12 age-matched able-bodied individuals. Participants walked along four paths of different curvature (straight line, large circle, medium circle, small circle) while whole body kinematic data in three dimensions were collected. A modulation index representing the slope of the regression line between peak joint angle and path curvature at specific phases of the step cycle was computed to represent joint kinematic modulation patterns. \n<p>Results: In able-bodied individuals, we observed consistent modula- tion of transverse and frontal plane movements at the ankle and hip as path curvature increased. For example, in order to walk smoothly around the circle, the control group increased the amplitude of hip adduction in the leg located on the inside of the circle during stance. In individuals with stroke, we observed disordered modulation of the adaptation of frontal and transverse kinematic movement parameters as path curvature increased. In general, the stroke group would show reduced hip adduction on their affected leg even if it was on the inside of the turn. Conclusions: Adaptations in the kinematic pattern seen during curved walking in able-bodied participants were not seen in the stroke group.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,480 | 0,006 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».