MétaCan
Menu
Retour à la cohorte
Enregistrement W2038200954 · doi:10.1249/mss.0b013e181914ab5

How Many Days of Pedometer Monitoring Are Needed?

2009· letter· en· W2038200954 sur OpenAlexaboutno aff
Yukitoshi Aoyagi, Roy J. Shephard

Notice bibliographique

RevueMedicine & Science in Sports & Exercise · 2009
Typeletter
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPedometerIntraclass correlationReliability (semiconductor)StatisticsVariance (accounting)AmbulatoryComputer scienceData collectionPhysical activityMedicinePower (physics)MathematicsPhysical therapy

Résumé

récupéré en direct d'OpenAlex

Dear Editor-in-Chief: Clemes and Griffiths (2) examined how many days of pedometer monitoring are needed to predict monthly ambulatory activity. They retrace much of the ground covered in a previous report of surprisingly similar title (5). However, certain limitations to their study lead to conclusions that diverge from the earlier findings. Their recording instrument (Digi-Walker SW-200) was less sophisticated than the one that we adopted (modified Kenz Lifecorder). It lacks an acceleration filter to screen out incidental movement artifacts, and because of limited data storage, variance is introduced by frequent removal of the device. Clemes and Griffiths (2) elected as their "gold standard" a 28-d period, despite substantial seasonal variations in physical activity (1,4,5,7). Reliability should be determined for a whole year and not just a single month. The recommendation of a 7-d collection period is particularly questionable because of short-term reactive responses; people who know that they have been fitted with a pedometer walk some 13,000 additional steps during the first week of observation (3). Like us, Clemes and Griffiths (2) have used an intraclass correlation analysis to establish the reliability of data. If a coefficient of 0.8 is accepted, the estimate provides only 64% of the intended information. We used a power spectrum analysis and fast Fourier transformation to evaluate the periodicity of counts over an entire year and defined the number of days of monitoring needed to estimate annual habitual physical activity at specified levels of confidence (5). The necessary period of continuous sampling for individual subjects proved surprisingly long, although obviously it would have been shorter with other approaches to sampling or if the need was simply for averaged information on a large population. In our men, 25 d of consecutive data collection was required to yield a coefficient of 0.8 relative to a yearlong gold standard (5). An individual's movement patterns show a varying vulnerability to exogenous factors such as an adverse climate (1,4,7). Probably because elderly Japanese women usually assume the main burden of low-intensity household tasks (6), the activity pattern of women in our sample was more regular than that of the men, and a coefficient of 0.8 was obtained with 8 d of observation (5). To reach a more satisfactory coefficient of 0.9, 105 and 37 d of consecutive observation were needed in men and women, respectively (5). Finally, Clemes and Griffiths (2) studied a population of working age. Occupations are not specified, but most subjects were presumably used. This would have imposed a structure on weekday activity that is lacking in other segments of the population, such as the elderly people that we studied. Yukitoshi Aoyagi, PhD Exercise Sciences Research Group Tokyo Metropolitan Institute of Gerontology Tokyo, Japan Roy J. Shephard, MD, PhD, DPE, LLD Faculty of Physical Education and Health University of Toronto Toronto, Ontario, Canada

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,056
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,056
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0030,001
Intégrité de la recherche0,0060,006
Charge utile insuffisante (le modèle a refusé de juger)0,0050,005

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,315
Écart entre enseignants0,274 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedicine & Science in Sports & ExerciseMême sujetPhysical Activity and HealthTravaux en français237 207