Comparing the Actical and ActiGraph Approach to Measuring Young Children’s Physical Activity Levels and Sedentary Time
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Young children's activity and sedentary time were simultaneously measured via the Actical method (i.e., Actical accelerometer and specific cut-points) and the ActiGraph method (i.e., ActiGraph accelerometer and specific cut-points) at both 15-s and 60-s epochs to explore possible differences between these 2 measurement approaches. For 7 consecutive days, participants (n = 23) wore both the Actical and ActiGraph side-by-side on an elastic neoprene belt. Device-specific cut-points were applied. Paired sample t tests were conducted to determine the differences in participants' daily average activity levels and sedentary time (min/h) measured by the 2 devices at 15-s and 60-s time sampling intervals. Bland-Altman plots were used to examine agreement between Actical and ActiGraph accelerometers. Regardless of epoch length, Actical accelerometers reported significantly higher rates of sedentary time (15 s: 42.7 min/h vs 33.5 min/h; 60 s: 39.4 min/h vs 27.1 min/h). ActiGraph accelerometers captured significantly higher rates of moderate-to-vigorous physical activity (15 s: 9.2 min/h vs 2.6 min/h; 60 s: 8.0 min/h vs 1.27 min/h) and total physical activity (15 s: 31.7 min/h vs 22.3 min/h; 60 s: = 39.4 min/h vs 25.2 min/h) in comparison with Actical accelerometers. These results highlight the present accelerometry-related issues with interpretation of datasets derived from different monitors.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 découle