Utilize este identificador para referenciar este registo: https://hdl.handle.net/10216/165904
Registo completo
Campo DCValorIdioma
dc.creatorLucas de Souza Veras
dc.date.accessioned2025-11-04T18:55:52Z-
dc.date.available2025-11-04T18:55:52Z-
dc.date.issued2025-03-20
dc.date.submitted2025-03-25
dc.identifier.othersigarra:715143
dc.identifier.urihttps://hdl.handle.net/10216/165904-
dc.descriptionQuantificação precisa da carga mecânica relacionada com a atividade física é crucial para compreender como otimizar a saúde óssea através de intervenções de exercício direcionadas. No entanto, o alto custo e a falta de portabilidade associados às placas de força limitam a sua utilidade a ambientes laboratoriais, destacando a relevância do desenvolvimento de estratégias tecnológicas que possam medir com precisão a carga mecânica relacionada com a atividade física. Esta tese teve como objetivo avançar a avaliação da carga mecânica baseada em acelerómetros, desenvolvendo e validando equações de predição para as forças de reação do solo e taxas de carga durante a caminhada, corrida e salto, e modelos de classificação de atividade para diferenciar entre estas atividades. Para isso, uma série de estudos transversais foram realizados explorando a relação entre o sinal obtido por placas de força laboratoriais durante a realização de várias atividades físicas distintas e o sinal obtido por acelerómetros colocados em diferentes localizações anatómicas. Os dois primeiros estudos demonstraram que a força de reação do solo de pico poderia ser prevista com precisão usando dados de acelerómetros do tornozelo, parte inferior das costas e anca, com erros percentuais absolutos médios de cerca de 7% para caminhada e corrida e cerca de 14% para salto. No entanto, as equações de predição da taxa de carga de pico produziram menor precisão, com erros percentuais absolutos médios variando de 17,7% a 24,7%. O terceiro estudo, uma validação externa das equações de predição existentes, revelou uma variabilidade substancial na precisão, com as equações da taxa de carga de pico apresentando os maiores erros. O quarto estudo desenvolveu modelos de aprendizagem automática para classificar atividades de caminhada, corrida e salto, alcançando alta precisão (>90% de concordância) em todas as colocações de acelerómetros. Em conclusão, esta tese avança o campo da avaliação da carga mecânica baseada em acelerómetros, fornecendo equações de predição validadas para forças de reação do solo e taxas de carga durante a caminhada, corrida e salto, bem como modelos precisos de classificação de atividades. Pesquisas futuras devem concentrar-se no refinamento destes modelos, expandindo a sua aplicação e explorando o seu potencial para otimizar a saúde óssea. Palavras-chave: ACELEROMETRIA; FORÇAS DE REAÇÃO DO SOLO; TAXA DE CARGA; APRENDIZADO DE MÁQUINA.
dc.description.abstractAccurate quantification of physical activity-related mechanical loading is crucial for understanding how to optimize bone health through targeted exercise interventions. However, the high cost and lack of portability associated with force plates limit their utility to laboratory settings, highlighting the relevance of developing technological strategies that accurately measure physical activity-related mechanical loading. This thesis aimed to advance accelerometer-based mechanical loading assessment by developing and validating prediction equations for ground reaction forces and loading rates during walking, running, and jumping, and activity classification models to differentiate between these activities. To accomplish that, a series of cross-sectional studies explored the relationship between the signal obtained by laboratory force plates during the performance of several distinct physical activities and the signal obtained by accelerometers placed on different anatomical locations. The first two studies demonstrated that peak ground reaction force could be accurately predicted using accelerometer data from the ankle, lower back, and hip, with mean absolute percent errors of around 7% for walking and running and around 14% for jumping. However, peak loading rate prediction equations yielded lower accuracy, with mean absolute percent errors ranging from 17.7% to 24.7%. The third study, an external validation of existing prediction equations, revealed substantial variability in accuracy, with peak loading rate equations showing the highest errors. The fourth study developed machine learning models for classifying walking, running, and jumping activities, achieving high accuracy (>90% of agreement) across all accelerometer placements. In conclusion, this thesis advances the field of accelerometer-based mechanical loading assessment by providing validated prediction equations for ground reaction forces and loading rates during walking, running, and jumping, as well as accurate activity classification models. Future research should focus on refining these models, expanding their application, and exploring their potential for informing personalized interventions to optimize bone health.
dc.language.isoeng
dc.rightsopenAccess
dc.subjectCiências da saúde
dc.subjectHealth sciences
dc.titleAdvancing accelerometer-based mechanical loading assessment: Development and validation of prediction equations and activity classification models
dc.typeTese
dc.contributor.uportoFaculdade de Desporto
dc.identifier.doi10.34626/tg23-kh41
dc.identifier.tid101665024
dc.subject.fosCiências médicas e da saúde::Ciências da saúde
dc.subject.fosMedical and Health sciences::Health sciences
thesis.degree.disciplinePrograma de Doutoramento em Atividade Física e Saúde
thesis.degree.grantorFaculdade de Desporto
thesis.degree.grantorUniversidade do Porto
thesis.degree.level2
Aparece nas coleções:FADEUP - Tese

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
715143.pdfAdvancing accelerometer-based mechanical loading assessment: Development and validation of prediction equations and activity classification models17.39 MBAdobe PDFThumbnail
Ver/Abrir


Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.