Identifying Children’s Nocturnal Sleep Using 24-h Waist Accelerometry
Notice bibliographique
Résumé
PURPOSE: The purposes of this study were 1) to add layers and features to a previously published fully automated algorithm designed to identify children's nocturnal sleep and to exclude episodes of nighttime nonwear/wakefulness and potentially misclassified daytime sleep episodes and 2) to validate this refined sleep algorithm (RSA) against sleep logs. METHODS: Forty-five fourth-grade school children (51% female) participants were asked to log evening bedtime and morning wake time and wear an ActiGraph GT3X+ (ActiGraph LLC, Pensacola, FL) accelerometer at their waist for seven consecutive days. Accelerometers were distributed through a single school participating in the Baton Rouge, USA, site of the International Study of Childhood Obesity, Lifestyle, and the Environment. We compared log-based variables of sleep period time (SPT), bedtime, and wake time to corresponding accelerometer-determined variables of total sleep episode time, sleep onset, and sleep offset estimated with the RSA. In addition, SPT and sleep onset estimated using standard procedures combining sleep logs and accelerometry (Log + Accel) were compared to the RSA-derived values. RESULTS: RSA total sleep episode time (540 ± 36 min) was significantly different from Log SPT (560 ± 24 min), P = 0.003, but not different from Log + Accel SPT (549 ± 24 min), P = 0.15. Significant and moderately high correlations were apparent between RSA-determined variables and those using the other methods (r = 0.61 to 0.74). There were no differences between RSA and Log + Accel estimates of sleep onset (P = 0.15) or RSA sleep offset and log wake time (P = 0.16). CONCLUSIONS: The RSA is a refinement of our previous algorithm, allowing researchers who use a 24-h waist-worn accelerometry protocol to distinguish children's nocturnal sleep (including night time wake episodes) from daytime activities.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».