Prediction Equations of Energy Expenditure in Chinese Youth Based on Step Frequency During Walking and Running
Notice bibliographique
Résumé
PURPOSE: This study set out to examine the relationship between step frequency and velocity to develop a step frequency-based equation to predict Chinese youth's energy expenditure (EE) during walking and running. METHOD: A total of 173 boys and girls aged 11 to 18 years old participated in this study. The participants walked and ran on a treadmill at speeds of 3 km/hr, 4 km/hr, 5 km/hr, 6 km/hr, 7 km/hr, and 8 km/hr. EE was measured using indirect calorimetry of open circuit spirometry (Cosmed K4b2 metabolic analyzer). Using multiple regression analysis, the relationship between step frequency and velocity was first examined, and the prediction equation of EE based on step frequency, age, and gender was derived. RESULTS: The hypothesized relationship between step frequency and velocity was confirmed and an accurate (R2 = .78) EE prediction equation was derived: NetEE = - 13.7744 + 1.8004 (step frequency) - 5.5715 (age) - 11.5244 (gender). CONCLUSION: A step frequency-, age-, and gender-based equation was derived to predict the EE of youth during walking and running. The equation can be used to develop a simple device to estimate EE during walking and running in this population.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».