---
type: "Akademik Makale Analizi"
title: "OpenCap: Akıllı Telefon Videolarından İnsan Hareket Dinamiklerinin Açık Kaynaklı Hesaplama Platformu ile Analizi ve Doğrulanması"
description: "İnsan hareketi dinamiklerinin ve nöromüsküloskeletal kontrolün nicel olarak değerlendirilmesi, kas-iskelet ve nöromüsküler hastalıkların anlaşılması, yaralanma risklerinin öngörülmesi ve rehabilitasyon süreçlerinin takibi açısından kritik bir öneme sahiptir. Geleneksel hareket analizi yöntemleri; 15"
resource: "https://makaleanalizi.com/saglik-bilimleri/klinik-ve-halk-sagligi/opencap-akilli-telefon-videolarindan-insan-hareket-dinamiklerinin-acik-kaynakli-hesaplama-platformu-ile-analizi-ve-dogrulanmasi"
doi: "10.1371/journal.pcbi.1011462"
authors: ["Scott D. Uhlrich", "Antoine Falisse", "Łukasz Kidziński", "Julie Muccini", "Michael Ko", "Akshay Chaudhari", "Jennifer L. Hicks", "Scott L. Delp"]
citation: "Uhlrich, S. D., Falisse, A., Kidziński, Ł., Muccini, J., Ko, M., Chaudhari, A., Hicks, J. L., Delp, S. L. (2023). OpenCap: Human movement dynamics from smartphone videos. PLoS Computational Biology, 19(10), e1011462-e1011462. https://doi.org/10.1371/journal.pcbi.1011462"
publicationType: "computational"
discipline: "Sağlık Bilimleri"
subDiscipline: "Klinik ve Halk Sağlığı"
evidenceCount: 15
tags: ["insan hareket dinamikleri", "akıllı telefon videosu", "OpenCap", "kas-iskelet simülasyonu", "bilgisayarlı görü", "duruş kestirimi"]
timestamp: "2026-08-05T11:04:19.488Z"
---

# OpenCap: Akıllı Telefon Videolarından İnsan Hareket Dinamiklerinin Açık Kaynaklı Hesaplama Platformu ile Analizi ve Doğrulanması

Özgün başlık: OpenCap: Human movement dynamics from smartphone videos
DOI: https://doi.org/10.1371/journal.pcbi.1011462
Künye (APA 7): Uhlrich, S. D., Falisse, A., Kidziński, Ł., Muccini, J., Ko, M., Chaudhari, A., Hicks, J. L., Delp, S. L. (2023). OpenCap: Human movement dynamics from smartphone videos. PLoS Computational Biology, 19(10), e1011462-e1011462. https://doi.org/10.1371/journal.pcbi.1011462

Bilim alanı: [Sağlık Bilimleri](/okf/saglik-bilimleri/index.md) › Klinik ve Halk Sağlığı

# Alan bağlamı

İnsan hareketi dinamiklerinin ve nöromüsküloskeletal kontrolün nicel olarak değerlendirilmesi, kas-iskelet ve nöromüsküler hastalıkların anlaşılması, yaralanma risklerinin öngörülmesi ve rehabilitasyon süreçlerinin takibi açısından kritik bir öneme sahiptir. Geleneksel hareket analizi yöntemleri; 150.000 doları aşan yüksek donanım maliyetleri, özel laboratuvar alanları, karmaşık kalibrasyon süreçleri ve uzman personelin günler süren veri işleme adımlarını gerektirmektedir. Bu yüksek maliyet ve zaman engelleri, biyomekanik ölçümlerin geniş ölçekli klinik araştırmalara ve rutin klinik uygulamalara entegre edilmesini zorlaştırmaktadır. Akıllı telefon kameraları ve bilgisayarlı görü algoritmalarındaki gelişmeler alternatif sunsa da, donanım senkronizasyonu olmayan birkaç mobil cihazdan yüksek doğrulukta eklem kuvveti ve kas aktivasyonu gibi 3 boyutlu dinamik parametrelerin elde edilip edilemeyeceği belirsizliğini korumaktadır.

# Akademik özet

İnsan hareket dinamiklerinin nicel değerlendirmesi, kas-iskelet hastalıklarının ilerlemesini öngörme, yaralanma risklerini belirleme ve rehabilitasyon kararlarını yönlendirme açısından kritik bir klinik değere sahiptir. Ancak geleneksel hareket analizi, 150.000 doları aşan laboratuvar ekipmanı, çoklu optik kamera kurulumları ve biyomekanik uzmanlarının günler süren veri işleme adımlarını gerektirdiğinden büyük ölçekli araştırmalarda ve rutin klinik pratikte nadiren kullanılabilmektedir. Bilgisayarlı görü alanındaki duruş kestirimi algoritmaları standart videolardan eklem konumlarını belirleme imkânı sunsa da, donanım senkronizasyonu bulunmayan akıllı telefon videolarından tüm vücut dinamiklerinin ve kas kuvvetlerinin yüksek doğrulukla kestirilip kestirilemeyeceği açık bir araştırma sorusu olarak öne çıkmaktadır.

Çalışmada bu soruna çözüm olarak, iki veya daha fazla akıllı telefon videosundan insan hareketinin kinematik ve kinetik parametrelerini hesaplayan açık kaynaklı ve web tabanlı OpenCap platformu geliştirilmiş ve doğrulanmıştır. Araştırma tasarımı kapsamında, iki iOS cihazından alınan videolar OpenPose ve HRNet algoritmalarıyla işlenmekte, zaman senkronizasyonu anahtar nokta hızlarının çapraz korelasyonuyla sağlanmakta ve 3 boyutlu kilit noktalar elde edilmektedir. Özel olarak eğitilmiş bir yinelemeli sınır ağı (LSTM) vasıtasıyla bu noktalar kapsayıcı bir anatomik işaretçi kümesine dönüştürülmekte; ardından OpenSim kas-iskelet modeli üzerinde ters kinematik ve optimal kontrol tabanlı kas-dinamik simülasyonları çalıştırılmaktadır. Geliştirilen yazılım, 10 sağlıklı katılımcıdan oluşan laboratuvar doğrulama deneylerinde altın standart optik hareket yakalama ve kuvvet plakası verileriyle karşılaştırılmıştır.

Laboratuvar doğrulama sonuçları, OpenCap platformunun eklem açılarını 4,5 derece ortalama mutlak hata (MAE), zemin reaksiyon kuvvetlerini %6,2 vücut ağırlığı MAE ve eklem momentlerini %1,2 vücut ağırlığı x boy MAE ile doğru şekilde kestirdiğini göstermiştir. Klinik uygulama senaryolarında OpenCap, yürüme esnasındaki pik diz adüksiyon momentini altın standartla yüksek uyum içerisinde (r² = 0,80) tahmin etmiş ve gövde salınımı yürüyüş modifikasyonunun diz yüklenmesindeki belirgin azalmalarını başarıyla tespit etmiştir. Ayrıca sandalyeden kalkma hareketinde hip ve diz moment dağılımlarındaki yaşa bağlı strateji değişimlerini doğru yakalamış, çökme (squat) hareketinde ise ekstansör kas aktivasyonu ve moment asimetrilerini yüksek doğrulukla (%75-%89 sınıflandırma başarısı, AUC = 0,83-0,93) ayırt edebilmiştir.

Toplum içinde 100 katılımcı ile gerçekleştirilen klinik saha çalışmasında, uzman olmayan bir uygulayıcı OpenCap yardımıyla kas-iskelet dinamiklerini geleneksel laboratuvar yaklaşımlarından 25 kat daha hızlı ve maliyetin %1'inden daha düşük bir bütçeyle değerlendirebilmiştir. Bu bulgular, OpenCap'in yüksek maliyet ve zaman engellerini ortadan kaldırarak hareket analizi yöntemlerini demokratikleştirdiğini ve biyomekanik ölçümlerin toplum ölçekli sağlık taramalarına entegrasyonunu hızlandıracağını kanıtlamaktadır. Literatür taramaları açısından çalışma, pahalı optik laboratuvar donanımlarına erişimi olmayan araştırmacıların büyük örneklemli ve gerçek dünya koşullarındaki biyomekanik araştırmaları güvenilir bir şekilde yürütmelerine imkân tanıyan çığır açıcı bir metodolojik altyapı sunmaktadır.

# Araştırmanın amacı

Bu çalışmanın amacı, özel donanım veya uzmanlık gerektirmeden iki veya daha fazla akıllı telefon videosu kullanarak insan hareketinin 3 boyutlu kinematik ve dinamik ölçümlerini hesaplayan açık kaynaklı, web tabanlı OpenCap yazılımını tanıtmak, laboratuvar standartlarıyla doğrulamak ve klinik uygulamalardaki saha kullanılabilirliğini göstermektir.

# Yöntem ve tasarım

Çalışma, akilli telefon videolarindan insan hareket dinamiklerini hesaplamak için bilgisayarli goru, derin öğrenme ve fizik tabanlı kas-iskelet simulasyonlarini entegre eden hibrit bir hesaplamali biyomekanik yaklaşimi benimsemektedir.

# Bulgular ve önermeler

1. OpenCap platformu, laboratuvar standartlariyla karşılaştırıldığında eklem acilarini 4.5 derecelik bir ortalama mutlak hata ile tahmin ederek yüksek kinematik doğruluk sergilemistir.
2. Diz osteoartrit progresyonu için kritik bir gösterge olan erken durus fazi pik diz adduksiyon momenti, altın standart sistemlerle 0.80 korelasyon (r2) ile basariyla tahmin edilmiştir.
3. Sistem, sandalyeden kalkma sirasinda govde fleksiyonundaki değişikliklerin diz ekstansiyon momenti üzerindeki etkisini istatistiksel olarak anlamli sekilde tespit edebilmektedir.
4. Rehabilitasyon takibi için onemli olan kas aktivasyon asimetrisi, OpenCap tarafindan %83'luk bir AUC degeri ile geleneksel laboratuvar simulasyonlarina yakin doğrulukta siniflandirilmistir.
5. Saha çalışmasinda OpenCap kullanimi, geleneksel laboratuvar analizlerine gore 25 kat daha hizli veri isleme sağlamis ve maliyeti %1'in altina indirerek yüksek ölçeklenebilirlik sunmustur.

# Yazarın tartışması

OpenCap'in sundugu temel bulgular, platformun kas aktivasyonlari, eklem yuklenmeleri ve momentleri gibi dinamik ölçumleri yüksek doğrulukla tahmin edebildigini göstermektedir. Bu veriler, klinik ortamda hastalik riski taramasi yapmak ve müdahalelerin etkinliğini objektif olarak değerlendirmek için yeterli hassasiyete sahiptir.

Platformun basarisi, sadece goruntu islemeden gelen seyrek verileri kullanmak yerine, bu verileri derin öğrenme modelleri (LSTM) ile anatomik isaretleyicilere dönüşturmesine ve ardindan biyomekanik kisitlamalara sahip fiziksel modellerle birlestirmesine dayanmaktadir. Bu entegrasyon, videodaki gorunur hatalarin simülasyon süreçinde minimize edilmesini sağlamaktadir.

Klinik uygulamalar acisindan OpenCap, rehabilitasyon süreçindeyim olan bireylerdeki kas gucu asimetrilerini tespit etme yetenegiyle one cikmaktadir. Çalışma, sistemin hem laboratuvar icinde hem de saha kosullarinda benzer siniflandirma basarisi gösterdiğini ve geleneksel yöntemlerden cok daha hizli sonuçlar ürettigini kanıtlamistir.

Sonuç olarak yazarlar, biyomekanik analizlerin onundeki maliyet ve uzmanlik bariyerlerinin bu teknolojiyle asilabilecegini savunmaktadir. Verilerin acik kaynakli paylasimi ve sistemin ölçeklenebilir yapisi, insan hareketi üzerine yapilacak populasyon ölçekli çalışmalarda yeni bir donemin kapilarini aralamaktadir; boylece biyomekanik göstergeler rutin sağlık takibinin bir parcasi haline gelebilir.

# Yazarın sonucu

OpenCap platformu, insan hareket biyomekanigini laboratuvar sınırlarindan cikararak demokratiklestirmekte ve akilli telefon teknolojisiyle yüksek doğruluklu dinamik analizlerin genis ölçekli klinik araştırmalara, ilac denemelerine ve rutin klinik uygulamalara entegre edilmesine olanak tanımaktadir.

# Literatürdeki işlevi

Bu çalışma, biyomekanik ve hareket analizi literatüründe yüksek maliyetli laboratuvar sistemlerine bağımlılığı azaltarak araştırmaların laboratuvar dışına ve saha koşullarına taşınmasını sağlayan önemli bir dönüm noktasını temsil etmektedir. Bilgisayarlı görü ve yapay zeka tabanlı eklem tespiti yöntemlerini klasik fizik tabanlı biyomekanik simülasyonlarla entegre ederek, sadece kinematik değil, kas kuvveti ve eklem momentleri gibi kinetik verilerin de akıllı telefonlar aracılığıyla güvenilir şekilde elde edilebileceğini göstermektedir. Böylece literatürde yaygın olan küçük örneklemli çalışma kısıtlamalarını aşarak yüksek katılımcılı popülasyon çalışmalarının önünü açmaktadır.

Önceki çalışmalarla ilişkisi: Çalışma, geleneksel laboratuvar tabanlı optoelektronik hareket yakalama sistemleri ile sadece 2 boyutlu poz kestirimi yapan bilgisayarlı görü modelleri arasındaki yöntemsel boşluğu kapatmaktadır. Önceki çalışmaların çoğu ya kinematik analizle sınırlı kalmış ya da atalet bazlı sensör sistemleri (IMU) gibi donanım kurulumu zor ve pahalı yöntemlere yönelmiştir. Yazarlar, derin öğrenme modellerini (LSTM) kullanarak az sayıda video anahtar noktasından zengin bir anatomik işaretleyici seti türetmekte ve böylece klasik biyomekanik fizik kuralları çerçevesinde 3 boyutlu dinamik simülasyonlar gerçekleştirerek literatürdeki kinematik-kinetik kopukluğunu gidermektedir.

Literatür taramasına katkısı: Platformun literatür taramalarına katkıları, hareket analizi çalışmalarındaki metodolojik çeşitliliği ve güvenilirliği artırma ekseninde şekillenmektedir. Geleneksel olarak laboratuvar ortamlarında sınırlı sayıda denekle yapılan çalışmalar yerine, geniş kitlelerin kendi doğal ortamlarında izlenmesine olanak tanıyan bir standardizasyon sunmaktadır. Biyomekanik veri setlerinin paylaşımını ve farklı araştırmalar arasındaki karşılaştırmaları kolaylaştırarak klinik araştırmalar için daha geniş, homojen ve açık erişimli veri havuzlarının oluşmasına zemin hazırlamaktadır.

# Tez ve makale araştırmalarında kullanım

- **Akıllı telefon kameraları ve bilgisayarlı görü yöntemleri pahalı laboratuvar donanımlarına ihtiyaç duymadan biyomekanik kuvvetleri tahmin edebilir.** — Bu makalede doğrulanan 4.5 derecelik kinematik hata ve kas kuvveti asimetrisi tahmin başarısı, mobil hareket analizi sistemlerinin literatürdeki güvenilirlik iddialarını desteklemek amacıyla kullanılabilir.
- **Çoklu akıllı telefon video kayıtlarından elde edilen 2 boyutlu anahtar noktalar LSTM sınır ağlarıyla 3 boyutlu anatomik işaretleyicilere dönüştürülebilir.** — Kendi tezinde mobil hareket takibi yöntemi geliştiren veya kullanan bir araştırmacı, OpenCap'in işaretleyici artırma (marker-set augmentation) metodolojisini ve doğruluk metriklerini referans yöntem olarak sunabilir.
- **Klinik rehabilitasyon süreçlerinde hastaların kas ve eklem yüklenme asimetrilerini takip etmek için taşınabilir ve düşük maliyetli çözümler etkin şekilde uygulanabilir.** — Saha çalışmalarında elde edilen asimetri sınıflandırma başarısı (%85-%89 doğruluk), klinik rehabilitasyon izleme tartışmalarında mobil biyomekanik sistemlerin uygulanabilirliğini desteklemektedir.

# Türetilebilir araştırma soruları

- **OpenCap platformu kullanılarak açık sahada yapılan çoklu squat testlerinde elde edilen diz ekstansiyon moment asimetrisi, sporcuların kuadriseps kas kuvveti geri kazanımını izlemede güvenilir bir klinik gösterge midir?**
  - Desen: Ön çapraz bağ rekonstrüksiyonu geçirmiş 60 sporcu katılımcı olarak dahil edilecektir. Katılımcılardan rehabilitasyon sürecinin farklı aylarında squat hareketleri yaparken OpenCap ve eş zamanlı taşınabilir EMG ile veri toplanacaktır. Veri doygunluğu ve örneklem büyüklüğü güç analizi ile belirlenecektir. Elde edilen eklem momentleri ile vasti kas aktivasyonu asimetri indeksleri korelasyon analizi ile incelenecektir.
  - Gerekçe: Yazarların çalışmanın tartışma ve rehabilitasyon kısımlarında squat sırasında diz ekstansiyon moment ve vasti asimetrisini tespit edebildiklerini göstermelerinden ve saha çalışmasındaki %85-89'luk sınıflandırma başarılarından esinlenilmiştir.
- **Klinik ortamlarda fizyoterapistler tarafından rutin olarak kullanılan gonyometrik eklem açısı ölçümleri, OpenCap platformunun sunduğu 3 boyutlu dinamik kinematik açılarla ne derece uyumludur?**
  - Desen: Farklı eklem hareket kısıtlılığı olan en az 80 diz osteoartriti hastası çalışmaya dahil edilecektir. Muayene sırasında hekim gonyometre ile aktif eklem açılarını ölçerken, eş zamanlı olarak iki adet akıllı telefon kamerasıyla OpenCap üzerinden kayıt alınacaktır. Örneklem büyüklüğü güç analizi ile güvence altına alınacaktır. İki yöntem arasındaki uyum Bland-Altman analizi ve sınıf içi korelasyon katsayısı (ICC) ile değerlendirilecektir.
  - Gerekçe: Makalenin giriş kısmında klinisyenlerin geleneksel olarak gonyometre gibi basit araçlara bağımlı kaldığı ve OpenCap'in bu eksikliği kapatma potansiyeli olduğu yönündeki tartışmalardan yola çıkılmıştır.
- **Akıllı telefon videoları üzerinden yapılan OpenCap analizleri, gençler ile yaşlılar arasındaki sandalyeden kalkma sırasındaki kalça ve diz moment dağılımı farklılıklarını saha koşullarında doğru şekilde ayırt edebilir mi?**
  - Desen: Farklı yaş gruplarından (65 yaş üstü 40 yaşlı ve 18-35 yaş arası 40 genç katılımcı) veri toplanacaktır. Katılımcılar doğal ve artmış gövde fleksiyonu stratejileriyle sandalyeden kalkarken OpenCap ile izlenecektir. Güç analizi ile örneklem yeterliliği belirlenecektir. İki grubun diz ve kalça moment ortalamaları t-testleri ve ANOVA ile karşılaştırılacaktır.
  - Gerekçe: Yazarların sağlıklı bireylerde yapay olarak oluşturdukları sandalyeden kalkma stratejilerindeki moment değişimlerini OpenCap ile başarıyla saptamalarından ve yaşlı yetişkinlerdeki düşme riskini tahmin etme potansiyelinden esinlenilmiştir.

# Kaynak izleri

Her iddia, özgün yayının belirtilen sayfasındaki birebir alıntıya bağlıdır.

| Kanıt | Bölüm | PDF sayfası | Basılı sayfa | Alıntı |
|---|---|---|---|---|
| ev-o-2 | Abstract | 1 | — | Here we present and validate OpenCap, an open-source platform for computing both the kinematics (i.e., motion) and dynamics (i.e., forces) of human movement using videos captured f |
| ev-s-0 | Abstract | 1 | — | OpenCap leverages pose estimation algorithms to identify body landmarks from videos; deep learning and biomechanical models to estimate three-dimensiona l kinematics; and physics-b |
| ev-s-1 | Results | 4 | — | OpenCap estimated joint angles with a mean absolute error (MAE) of 4.5 ̊, ground reaction forces with an MAE of 6.2% bodyweight, and joint moments with an MAE of 1.2% bodyweight *  |
| ev-s-2 | Results | 7 | — | OpenCap also predicted the peak knee extension moment with r 2 = 0.65 and MAE = 5.5Nm (0.47%bodyweight * height) compared to marker-based motion cap- ture and force plates. |
| ev-s-3 | Results | 7 | — | At the group level, OpenCap estimated the expected reduction in the knee extension moment ( P = .024, t test, n = 10) and increase in the hip extension |
| ev-s-4 | Results | 8 | — | OpenCap classified squats as being symmetric or asymmetric with an area under the receiver operator characteristic curve (AUC) of 0.83 and an accuracy of 75% at the optimal symmetr |
| ev-s-5 | Abstract | 1 | — | a clinician using OpenCap estimated musculoskeletal dynamics 25 times faster than a laboratory-based approach at less than 1% of the cost. |
| ev-s-6 | Discussion | 11 | — | OpenCap’s kinematic error (range of root mean squared error [RMSE] across lower-extremity degrees of freedom: 2.0–10.2 ̊) is similar to errors reported for inertial measurement uni |
| ev-s-7 | Discussion | 11 | — | OpenCap’s kinematic error (range of root mean squared error [RMSE] across lower-extremity degrees of freedom: 2.0–10.2 ̊) is similar to errors reported for inertial measurement uni |
| ev-s-8 | Discussion | 11 | — | For example, the knee flexion angle computed with skin-mounted markers can have a root-mean-square error of up to 8 ̊ compared to the angle measured with bone pin–mounted markers [ |
| ev-s-9 | Abstract | 1 | — | By democratizing access to human movement analysis, OpenCap can accelerate the incorporation of biomechanical metrics into large-scale research studies, clinical trials, and clinic |
| ev-l-1 | Abstract | 1 | — | * suhlrich@ stanford.edu (SDU); afalisse@ stanford.e du (AF) Abstract Measures of human movement dynamics can predict outcomes like injury risk or musculo- skeletal disease progres |
| ev-l-2 | Introduction | 2 | — | Evaluating the dynamics (i.e., musculoskeletal forces) and control of human movement is important for understanding and managing musculoskeletal and neuromuscular diseases. |
| ev-l-3 | Results | 4 | — | The ten healthy individuals walked naturally (i.e., with a self-selected strategy) and with a trunk sway gait modification that typically reduces the knee adduction moment |
| ev-l-4 | Discussion | 9 | — | This study describes OpenCap, a platform that combines computer vision and musculoskeletal simulation to quantify human movement dynamics from smartphone videos. |

# İlgili kavramlar

- [Barselona Beyin Sağlığı Girişimi: Beyin Sağlığının Belirleyicilerini Tanımlamaya ve Geliştirmeye Yönelik Kohort Çalışması Protokolü](/okf/saglik-bilimleri/klinik-ve-halk-sagligi/barselona-beyin-sagligi-girisimi-beyin-sagliginin-belirleyicilerini-tanimlamaya-ve-gelistirmeye-yonelik-kohort-calismasi-protokolu.md)
- [Futbölçularda Ön Çapraz Bağ Rekonstrüksiyonu Sonrası Kulüp Tabanlı ve Hastane Rehberliğindeki Rehabilitasyonun Karşılaştırılması: İki Yıllık İleriye Dönük Kohort Çalışması](/okf/saglik-bilimleri/klinik-ve-halk-sagligi/futbolcularda-on-capraz-bag-rekonstruksiyonu-sonrasi-kulup-tabanli-ve-hastane-rehberligindeki-rehabilitasyonun-karsilastirilmasi-iki-yillik-ileriye-donuk-kohort-calismasi.md)
- [Bodur ve Bodur Olmayan Ergenlerin Pubertal, Psikososyal ve Bilişsel Gelişim Yörüngelerinin Anlaşılması: Çok Merkezli Bir Endonezya Kohort Çalışması Protokolü](/okf/saglik-bilimleri/klinik-ve-halk-sagligi/bodur-ve-bodur-olmayan-ergenlerin-pubertal-psikososyal-ve-bilissel-gelisim-yorungelerinin-anlasilmasi-cok-merkezli-bir-endonezya-kohort-calismasi-protokolu.md)
- [Kanser Önleme ve Tedavisinde A, C, D ve E Vitaminlerinin Rolü: Terapötik Potansiyeller ve Etki Mekanizmaları](/okf/saglik-bilimleri/klinik-ve-halk-sagligi/kanser-onleme-ve-tedavisinde-a-c-d-ve-e-vitaminlerinin-rolu-terapotik-potansiyeller-ve-etki-mekanizmalari.md)
- [Vaka Takdimi: Ultra-Ortodoks Yahudi Erkeklerde Agir Fiziksel ve Psikolojik Morbiditeye Yol Acan Anoreksiya Nervoza ve Belirlenmemis Kisitlayici Tip Yeme Bozuklugu](/okf/saglik-bilimleri/klinik-ve-halk-sagligi/vaka-takdimi-ultra-ortodoks-yahudi-erkeklerde-agir-fiziksel-ve-psikolojik-morbiditeye-yol-acan-anoreksiya-nervoza-ve-belirlenmemis-kisitlayici-tip-yeme-bozuklugu.md)
- [Kültürel Olarak Duyarlı Anne Sağlığını Geliştirme Müdahalesinin Tek Kollu Prospektif Karma Yöntem Uygulanabilirlik Çalışması Protokolü](/okf/saglik-bilimleri/klinik-ve-halk-sagligi/kulturel-olarak-duyarli-anne-sagligini-gelistirme-mudahalesinin-tek-kollu-prospektif-karma-yontem-uygulanabilirlik-calismasi-protokolu.md)
- [Müdahale Haritalama Protokolü Kullanılarak DEHB'li Çocukların Ultra-Ortodoks Yahudi Anneleri İçin Psikolojik Sağlığı Geliştirme Müdahalesinin Geliştirilmesi](/okf/saglik-bilimleri/klinik-ve-halk-sagligi/mudahale-haritalama-protokolu-kullanilarak-dehbli-cocuklarin-ultra-ortodoks-yahudi-anneleri-icin-psikolojik-sagligi-gelistirme-mudahalesinin-gelistirilmesi.md)
- [2015 Nepal Depremi Sonrasında Hastane Dayanıklılığı: Hastane Personeliyle Yapılan Yarı Yapılandırılmış Görüşmelerden Elde Edilen Bulgular](/okf/saglik-bilimleri/klinik-ve-halk-sagligi/2015-nepal-depremi-sonrasinda-hastane-dayanikliligi-hastane-personeliyle-yapilan-yari-yapilandirilmis-gorusmelerden-elde-edilen-bulgular.md)

# Şeffaflık

- Analiz tarihi: 2026-08-05T11:04:19.488Z
- Kanıt sayısı: 15
- Üretim sürümü: makale-analizi-v3.0.0
- Kanonik sayfa: https://makaleanalizi.com/saglik-bilimleri/klinik-ve-halk-sagligi/opencap-akilli-telefon-videolarindan-insan-hareket-dinamiklerinin-acik-kaynakli-hesaplama-platformu-ile-analizi-ve-dogrulanmasi