Use of pedometers to measure physical activity in dogs
Notice bibliographique
Résumé
OBJECTIVE: To determine whether pedometers can be used to measure physical activity in dogs. DESIGN: Cross-sectional study. ANIMALS: 26 dogs. PROCEDURE: To determine pedometer accuracy, number of steps recorded with the pedometer as dogs walked, trotted, and ran for a distance of approximately 30 m (100 ft) at each gait was compared with actual number of steps. Dogs and owners then wore pedometers for 7 to 14 days, and dog pedometer output was compared with body condition score, owner-reported activity of the dog, and owner pedometer output. RESULTS: Most owners classified their dogs as active or quite active and indicated that their dogs exercised 3 to 7 days/wk. For all dogs, body condition score was 5, 6, or 7 on a scale from 1 to 9. At a walk, pedometers overestimated actual number of steps by approximately 17% in large and medium dogs and underestimated actual number of steps by approximately 7% in small dogs. No significant differences between pedometer-recorded and actual number of steps were detected when dogs trotted or ran. Number of steps per day for the dogs was significantly correlated with owner-reported activity of the dog (r = 0.305) and number of steps per day for the owners (r = 0.469) and was inversely correlated with body condition score (r = -0.554). CONCLUSIONS AND CLINICAL RELEVANCE: Results suggest that pedometers can measure physical activity in dogs with reasonable accuracy. A lower number of steps per day was associated with a higher body condition score, and less active owners generally had less active dogs.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».