Validity and Usability of Low-Cost Accelerometers for Internet-Based Self-Monitoring of Physical Activity in Patients With Chronic Obstructive Pulmonary Disease
Notice bibliographique
Résumé
BACKGROUND: The importance of regular physical activity for patients with chronic obstructive pulmonary disease (COPD) is well-established. However, many patients do not meet the recommended daily amount. Accelerometers might provide patients with the information needed to increase physical activity in daily life. OBJECTIVE: Our objective was to assess the validity and usability of low-cost Internet-connected accelerometers. Furthermore we explored patients' preferences with regards to the presentation of and feedback on monitored physical activity. METHODS: To assess concurrent validity we conducted a field validation study with patients who wore two low-cost accelerometers, Fitbit and Physical Activity Monitor (PAM), at the same time along with a sophisticated multisensor accelerometer (SenseWear Armband) for 48 hours. Data on energy expenditure assessed from registrations from the two low-cost accelerometers were compared to the well validated SenseWear Armband which served as a reference criterion. Usability was examined in a cross-over study with patients who, in succession, wore the Fitbit and the PAM for 7 consecutive days and filled out a 16 item questionnaire with regards to the use of the corresponding device RESULTS: The agreement between energy expenditure (METs) from the SenseWear Armband with METs estimated by the Fitbit and PAM was good (r=.77) and moderate (r=.41), respectively. The regression model that was developed for the Fitbit explained 92% whereas the PAM-model could explain 89% of total variance in METs measured by the SenseWear. With regards to the usability, both the Fitbit and PAM were well rated on all items. There were no significant differences between the two devices. CONCLUSIONS: The low-cost Fitbit and PAM are valid and usable devices to measure physical activity in patients with COPD. These devices may be useful in long-term interventions aiming at increasing physical activity levels in these patients.
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 | 0,012 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».