Validity of the Apple iPhone®/iPod Touch® as an Accelerometer-Based Physical Activity Monitor: A Proof-of-Concept Study
Notice bibliographique
Résumé
BACKGROUND: The popularity of smartphones has led researchers to ask if they can replace traditional tools for assessing free-living physical activity. Our purpose was to establish proof-of-concept that a smartphone could record acceleration during physical activity, and those data could be modeled to predict activity type (walking or running), speed (km·h-1), and energy expenditure (METs). METHODS: An application to record and e-mail accelerations was developed for the Apple iPhone®/iPod Touch®. Twenty-five healthy adults performed treadmill walking (4.0 km·h-1 to 7.2 km·h-1) and running (8.1 km·h-1 to 11.3 km·h-1) wearing the device. Criterion energy expenditure measurements were collected via metabolic cart. RESULTS: Activity type was classified with 99% accuracy. Speed was predicted with a bias of 0.02 km·h-1 (SEE: 0.57 km·h-1) for walking, -0.03 km·h-1 (SEE: 1.02 km·h-1) for running. Energy expenditure was predicted with a bias of 0.35 METs (SEE: 0.75 METs) for walking, -0.43 METs (SEE: 1.24 METs) for running. CONCLUSION: Our results suggest that an iPhone/iPod Touch can predict aspects of locomotion with accuracy similar to other accelerometer-based tools. Future studies may leverage this and the additional features of smartphones to improve data collection and compliance.
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 | 0,020 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».