Predicting energy expenditure from physical activity, heart rate and anthropometry in female Indian tea pluckers
Notice bibliographique
Résumé
The objective of this study was to test a methodological procedure for estimating energy expenditure for a population of Indian female tea pluckers. Subjects (N=40; age=20–50 y) working on a tea estate in West Bengal, India participated in the study. Each subject wore an Actigraph accelerometer, Polar heart rate monitor and CosMed K4b2 metabolic analyzer during a 90‐minute period to assess minute‐by‐minute physical activity (PA), heart rate (HR) and energy expenditure (EE), respectively. The testing period was meant to replicate a normal tea picker's work day which included 2 periods of rest, 3 periods of picking while carrying weight (0, 5, and 10kg) and 3 periods of walking while carrying weight (15, 20 and 25kg). An EE prediction equation was generated using a branched method that first distinguishes times at rest from non‐rest (picking and walking) using accelerometer counts. Resting EE was estimated from age and BMI, while minute‐by‐minute non‐resting EE, was estimated from HR, age and BMI. Predicted EE will be used to evaluate the efficiency of performing work (weight of tea plucked/kcal EE) relative to iron status in an independent sample of 248 tea pluckers. We conclude that energy expenditure can be accurately predicted with a single branched equation based on PA, HR, age and BMI for a specific population participating in a known set of activities. Supported by the Mathile Institute and Micronutrient Initiative.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».