MétaCan
Menu
Retour à la cohorte
Enregistrement W2070588170 · doi:10.1080/15402002.2013.854245

Conducting Actigraphy Research in Children With Neurodevelopmental Disorders—A Practical Approach

2014· article· en· W2070588170 sur OpenAlexaff
Diane Fawkes, Beth A. Malow, Shelly K. Weiss, Ann Reynolds, Alvin Loh, Karen W. Adkins, Deborah D. Wofford, Amanda Wyatt, Suzanne E. Goldman

Notice bibliographique

RevueBehavioral Sleep Medicine · 2014
Typearticle
Langueen
DomaineNeuroscience
ThématiqueAutism Spectrum Disorder Research
Établissements canadiensSurrey Place CentreSickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Center for Advancing Translational SciencesU.S. Public Health ServiceVanderbilt University
Mots-clésActigraphyAutismAutism spectrum disorderPsychologyTypically developingSession (web analytics)Physical therapyPhysical medicine and rehabilitationMedicineDevelopmental psychologyComputer sciencePsychiatry

Résumé

récupéré en direct d'OpenAlex

The literature has been highly informative for when to use actigraphy and its validity in pediatric research. However, minimal literature exists on how to perform actigraphy, especially in special populations. We determined whether providing actigraphy training to parents and coordinators increased the nights of actigraphy data that could be scored. We compared two studies in children with autism spectrum disorders, one of which provided a basic level of training in a single-site trial and the other of which provided more detailed training to parents and coordinators in a multisite trial. There was an increase in scorable nights in the multisite trial containing a one-hour structured parent training session. Our results support the use of educational tools in clinical trials that use actigraphy.

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)0,056
score de la tête « metaresearch » (Gemma)0,087
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,944
Score d'incertitude au seuil0,295

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0560,087
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,002
Communication savante0,0020,004
Science ouverte0,0030,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,209
Tête enseignante GPT0,419
Écart entre enseignants0,210 · 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.

Devis d'étudeSans objet
DomaineMéthodes
GenreMéthodes

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

En bref

Citations35
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBehavioral Sleep MedicineMême sujetAutism Spectrum Disorder ResearchTravaux en français237 207