MétaCan
Menu
Retour à la cohorte
Enregistrement W7036033269

Accuracy and precision of wearable inertia sensor during a free-weight back squat.

2018· other· en· W7036033269 sur OpenAlexaboutno aff

Notice bibliographique

RevueResearch Output (Edinburgh Napier University) · 2018
Typeother
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBotanical Studies and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSquatConcentricForce platformMotion captureMotion analysisAccelerometerGround reaction forceKinematicsInertia
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION:Previous research investigating the validity and reliability of the PUSH™ (PUSH Inc., Toronto, Canada) wearable inertia sensor during a back squat exercise has produced conflicting results (Balsalobre-Fernández et al., 2016; Banyard et al., 2017). Therefore, the aim of this study was two-fold a) examine the error in all variables reported by the PUSH™ in comparison to a criterion method of two Kistler force platforms and 3D motion capture system during the free-weight back squat b) briefly discuss the suitability of the PUSH™ as a training monitoring tool in highly trained participants.METHODS:Seven Scottish Rugby Union academy players (age 18.8±1.2 years; height 1.84±0.08 m; body mass 96.9±11.7 kg) were recruited. Participants performed a total of 134 free-weight back squat repetitions with a mean weight of 117.5 kg (±14.72) as part of their regular training sessions. All repetitions were simultaneously captured using the PUSH™ and two Kistler force platforms (Kistler Holding AG, Switzerland) synced with a 12 Oqus 300+ camera motion capture system (Qualisys, Sweden) sampling at 500Hz. PUSH™, Qualisys and Kistler data were then imported into Matlab (R2014a, The Mathworks Inc., Natick, MA, USA) for the analysis of six variables: mean and peak concentric velocity (MV and PV), mean and peak concentric vertical ground reaction force (MF and PF), and mean and peak concentric power (MP and PP). The accuracy and precision of the PUSH™ system were assessed in two ways. Bland-Altman plots were created for each variable for visual inspection. Then MANOVA and subsequent univariate tests were used to assess the difference between the systems. If a significant difference existed, then bias-corrected root mean square error (RMSE) was reported for that variable.RESULTS:From the MANOVA there was a significant difference between the systems, F(6,127) = 904.9, 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,267
Écart entre enseignants0,221 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Output (Edinburgh Napier University)Même sujetBotanical Studies and ApplicationsTravaux en français237 207