SenseWearMini and Actigraph GT3X Accelerometer Classification of Observed Sedentary and Light-Intensity Physical Activities in a Laboratory Setting
Notice bibliographique
Résumé
Purpose: To compare the ability of SenseWear Mini (SWm) and Actigraph GT3X (AG3) accelerometers to differentiate between healthy adults' observed sedentary and light activities in a laboratory setting. Methods: The 22 participants (15 women, 7 men), ages 19 to 72 years, wore SWm and AG3 monitors and performed five sedentary and four light activities for 5 minutes each while observed in a laboratory setting. Performance was examined through comparisons of accuracy, sensitivity, specificity, positive and negative predictive values, and positive and negative likelihood ratios. Correct identification of both types of activities was examined using area under the receiver operating characteristic curve (AUC). Results: Both monitors demonstrated excellent ability to identify sedentary activities (sensitivity>0.89). The SWm monitor was better at identifying light activities (specificity 0.61–0.71) than the AG3 monitor (specificity 0.27–0.47) and thus also showed a greater ability to correctly identify both sedentary and light activities (SWm AUC 0.84; AG3 AUC 0.62–0.73). Conclusions: SWm may be a more suitable monitor for detecting time spent in sedentary and light-intensity activities. This finding has clinical and research relevance for evaluation of time spent in lower intensity physical activities by sedentary adults.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».