Accuracy of the use of triaxial accelerometry for measuring daily activity as a predictor of daily maintenance energy requirement in healthy adult Labrador Retrievers
Notice bibliographique
Résumé
OBJECTIVE: To determine accuracy of the use of triaxial accelerometry for measuring daily activity as a predictor of maintenance energy requirement (MER) in healthy adult Labrador Retrievers. ANIMALS: 10 healthy adult Labrador Retrievers. PROCEDURES: Dogs wore an accelerometer for two 2-week periods, with data on daily activity successfully collected for 24 to 26 days. These data, along with body weight, were used as independent variables in a multiple linear regression model to predict the dependent variable of daily MER. The predictive accuracy of the model was compared with that of a model that excluded activity. Dietary energy intake at a stated amount of body weight stability was used as an equivalent measure of MER in these analyses. RESULTS: The multiple linear regression model that included body weight and daily activity as independent variables could be used to predict observed MER with a mean absolute error of 63.5 kcal and an SE of estimation of 94.3 kcal. Removing activity from the model reduced the predictive accuracy to a mean absolute error of 129.8 kcal and an SE of estimation of 165.4 kcal. CONCLUSIONS AND CLINICAL RELEVANCE: Use of triaxial accelerometers to provide an independent variable of daily activity yielded a marked improvement in predictive accuracy of the regression model, compared with that for a model that used only body weight. Improved accuracy in estimations of MER could be made for each dog if an accelerometer was used to record its daily activity.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».