How Many Days of Pedometer Use Predict the Annual Activity of the Elderly Reliably?
Notice bibliographique
Résumé
PURPOSE: Daily variations of physical activity in the elderly remain unclear. We thus used a uniaxial accelerometer/pedometer to examine the variability of step counts for 1 yr, determining the minimum number of days observation needed to obtain reliable estimates of annual physical activity. METHODS: Subjects were 37 males and 44 females, healthy Japanese, aged 65-83 yr. The pedometer was worn on the waistband throughout 1 yr, accumulating information on the individual's daily step count. RESULTS: The step count spectrum showed peaks with periods of 2.3, 3.5, and 7.0 d and an aperiodic component that had a greater power at low frequencies (i.e., non-white noise). These characteristics were absent in randomly resequenced data. To ensure that 80% of total variance was attributable to between-subjects variance, 25 and 8 consecutive days of observation were needed in male and female subjects, respectively. To achieve 90% on this same measure of reliability, 105 and 37 consecutive days of observation were required. In contrast, 4 d of randomly timed observations yielded 80% reliability for both men and women, and 11 and 9 d gave 90% reliability in men and women, respectively. If sampling also took account of season and day of the week, the respective observation periods for men and women were reduced to 8 and 4 d (i.e., 2 and 1 consecutive days of sampling every 89 d) for 80% and to 16 and 12 d (i.e., 4 and 3 consecutive days every 89 d) for 90% reliability. CONCLUSION: When estimating annual step counts, seasonal and/or random sampling of data allows collection of reliable data during substantially fewer days than needed for consecutive observations.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».