PEDOMETER ACCURACY IN INSTITUTIONAL AND COMMUNITY OLDER ADULTS
Notice bibliographique
Résumé
Pedometers are simple, inexpensive motion sensors used for measurement and motivation of physical activity. Under controlled conditions pedometers are known to be less accurate during slow walking (i.e., < 60m/min). Their utility for assessing physical activity in frail institutionalized elderly (characterized by slow and shuffling gaits) has been questioned. PURPOSE To determine pedometer accuracy in older adults stratified by living situation (nursing home residents vs. community dwelling). METHODS 26 residents (5 males, 21 females; 79.4±8.2 years) were recruited from nursing home facilities and 28 older adults (5 males, 23 females; 70.6±5.5 years) from a senior's recreation center. All participants walked 13 meters at three speeds (slow, normal, fast) wearing a pedometer (Model DW200, Yamasa Corporation, Tokyo, Japan). Actual steps taken were observed and recorded using a hand-tally counter. To determine walking speed, the middle 7m of walk was timed (using photoelectric cells) to exclude the effects of acceleration and deceleration. Percent error was calculated as [(pedometer steps-actual steps)/actual steps)* 100. Independent sample t-tests were used to examine the difference in age and gait speeds between the nursing home and community samples. RESULTS The residents walked slow = 25.0±9.9 m/min, normal = 38.2±16.6 m/min, and fast = 48.1±21.4 m/min. The corresponding values for the community sample were: slow = 56.7±11.9 m/min, normal = 76.4±11.9 m/min, and fast = 96.4±12.7 m/min. The community sample was significantly younger and walked faster (p < .0001) at all three paces, even adjusting for age. Pedometers underestimated actual steps taken in residents by 74% (slow) to 46% (fast). The percent error for the community sample ranged from 25% (slow) to 7% (fast). CONCLUSIONS The magnitude of the error observed indicates that pedometers are not acceptably accurate for assessing physical activity in frail institutionalized elderly whose self-selected normal pace of walking is < 60m/min.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».