Data analysisWalking speed, cadence

Data analysis

Walking speed, cadence and stride length were processed by VCM.

The mean and standard deviation of each spatiotemporal parameter were obtained for each test session.

For each subject, the coefficient of variation (CV) was calculated as a measure of the reproducibility within a session and between sessions.

For CV within a session, the mean and the standard deviation of the gait parameters from 5 trials were used, while for CV between sessions, those of the gait parameters from all 20 trials were used.

The coefficient of variation was averaged over the number of subjects for each parameter.

The mean and standard deviation of within-session and between-session CVs were also computed.

Although one frequently used estimate of reliability is the intraclass correlation coefficient (ICC), using the ICC as
a statistical method to clarify reproducibility and similarity for kinematic variables over the whole gait cycle is difficult
because those parameters are expressed as waveforms.

It was thus considered appropriate to use the adjusted coefficient of multiple correlation (CMC) recommended by
Kadaba et al.10) to evaluate the similarity of the wave-form parameters over the whole gait cycle.

Firstly, the qualitative similarity between waveforms was evaluated visually.

Next, the output data from the VCM was processed with Excel, and the CMC was calculated using formula described by Kadaba et al.10) (Table 1).

ผลลัพธ์ (ไทย) 1:

การวิเคราะห์ข้อมูลความยาวความเร็ว ลีลา และก้าวเดินถูกประมวลผล โดย VCM ค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานของแต่ละพารามิเตอร์ spatiotemporal ได้รับในแต่ละช่วงการทดสอบ สำหรับแต่ละหัวข้อ สัมประสิทธิ์ของความแปรผัน (CV) คำนวณได้เป็นวัดที่ reproducibility ภาย ในเซสชัน และ ระหว่างรอบเวลา ประวัติภายในเซสชัน ค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานของพารามิเตอร์การเดินจากการทดลองที่ 5 ได้ใช้ ในระหว่างรอบเวลา ผู้เดินใช้พารามิเตอร์จากการทดลองทั้งหมด 20 CV ค่าสัมประสิทธิ์ของความแปรผันที่ averaged จำนวนหัวเรื่องสำหรับแต่ละพารามิเตอร์ ค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานของ CVs ภายในเซสชันและระหว่างเซสชันถูกคำนวณยังแม้ว่าหนึ่งมักใช้ ประเมินความน่าเชื่อถือเป็นของ intraclass สัมประสิทธิ์สหสัมพันธ์ (ICC), โดยใช้ ICC เป็นวิธีการทางสถิติเพื่อชี้แจง reproducibility และความคล้ายคลึงกันสำหรับตัวแปรจลน์ผ่านวงจรการเดินทั้งหมดเป็นเรื่องยากเนื่องจากปัจจัยเหล่านี้จะแสดงเป็น waveforms ก็ได้จึงถือว่าเหมาะสมกับใช้ค่าสัมประสิทธิ์การปรับปรุงของหลายความสัมพันธ์ (CMC) แนะนำKadaba et al.10) เพื่อประเมินความคล้ายกันของพารามิเตอร์ของรูปคลื่นที่ผ่านรอบการเดินทั้งหมด ประการแรก เฉพาะเชิงคุณภาพระหว่าง waveforms ถูกประเมินเห็น ข้อมูลผลลัพธ์จาก VCM มีการประมวลผลข้อมูล และ CMC ถูกคำนวณโดยใช้สูตรโดย Kadaba et al.10) (ตารางที่ 1)

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์ข้อมูล

เดินเร็ว จังหวะก้าวและความยาวที่ถูกประมวลผลโดยสาย .

ค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานของแต่ละ spatiotemporal พารามิเตอร์ที่ได้รับสำหรับการทดสอบแต่ละเซสชัน

สำหรับแต่ละเรื่อง NIOSH ) คือคำนวณเป็นวัดของยาภายในเซสชันและระหว่างเซสชัน

สำหรับ CV ภายในเซสชันค่าเฉลี่ย และค่าส่วนเบี่ยงเบนมาตรฐานของการเดินพารามิเตอร์จาก 5 การทดลองใช้ในขณะที่พันธุ์ระหว่างเซสชันของการเดินพารามิเตอร์จากทั้งหมด 20 การทดลองใช้

ส่วนค่าสัมประสิทธิ์ของความผันแปร เฉลี่ยมากกว่าจำนวนคนสำหรับแต่ละพารามิเตอร์

ค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานของเซสชันภายในและระหว่างเซสชัน CVS ยังคำนวณ .

แม้ว่าหนึ่งที่ใช้บ่อยประมาณความน่าเชื่อถือคือสัมประสิทธิ์ที่แสดง ( ICC ) , การใช้ไอซีเป็นวิธีการทางสถิติที่จะชี้แจง
ตรวจสอบความเหมือนและตัวแปรจลน์มากกว่าวงจรการเดินทั้งยาก
เพราะพารามิเตอร์เหล่านั้นแสดงเป็น 3 .

มันจึงถือว่าเหมาะสมที่จะใช้ปรับค่าสัมประสิทธิ์สหสัมพันธ์พหุคูณ ( CMC ) แนะนำโดย
kadaba et al . 10 ) ประเมินผล ความเหมือนของคลื่นรูปแบบพารามิเตอร์ผ่านวงจรการเดินทั้งหมด

ก่อนอื่น ความเหมือนเชิงคุณภาพระหว่างการวัดประเมินสายตา

ต่อไป การแสดงผลข้อมูลจากสายการผลิตด้วย Excel ,และคำนวณโดยใช้สูตรที่อธิบายโดย CMC kadaba et al . 10 ) ( ตารางที่ 1 )