Physical activity patterns and clusters in 1001 patients with COPD
Notice bibliographique
Résumé
We described physical activity measures and hourly patterns in patients with chronic obstructive pulmonary disease (COPD) after stratification for generic and COPD-specific characteristics and, based on multiple physical activity measures, we identified clusters of patients. In total, 1001 patients with COPD (65% men; age, 67 years; forced expiratory volume in the first second [FEV 1 ], 49% predicted) were studied cross-sectionally. Demographics, anthropometrics, lung function and clinical data were assessed. Daily physical activity measures and hourly patterns were analysed based on data from a multisensor armband. Principal component analysis (PCA) and cluster analysis were applied to physical activity measures to identify clusters. Age, body mass index (BMI), dyspnoea grade and ADO index (including age, dyspnoea and airflow obstruction) were associated with physical activity measures and hourly patterns. Five clusters were identified based on three PCA components, which accounted for 60% of variance of the data. Importantly, couch potatoes (i.e. the most inactive cluster) were characterised by higher BMI, lower FEV 1 , worse dyspnoea and higher ADO index compared to other clusters ( p < 0.05 for all). Daily physical activity measures and hourly patterns are heterogeneous in COPD. Clusters of patients were identified solely based on physical activity data. These findings may be useful to develop interventions aiming to promote physical activity in COPD.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».