Physical performance analysis: A new approach to assessing free-living physical activity in musculoskeletal pain and mobility-limited populations
Notice bibliographique
Résumé
BACKGROUND: Accurate measurement of physical performance in individuals with musculoskeletal pain is essential. Accelerometry is a powerful tool for this purpose, yet the current methods designed to evaluate energy expenditure are not optimized for this population. The goal of this study is to empirically derive a method of accelerometry analysis specifically for musculoskeletal pain populations. METHODS: We extracted data from 6,796 participants in the 2003-4 National Health and Nutrition Examination Survey (NHANES) including: 7-day accelerometry, health and pain questionnaires, and anthropomorphics. Custom macros were used for data processing, complex survey regression analyses, model selection, and statistical adjustment. After controlling for a multitude of variables that influence physical activity, we investigated whether distinct accelerometry profiles accompany pain in different locations of the body; and we identified the intensity intervals that best characterized these profiles. RESULTS: Unique accelerometry profiles were observed for pain in different body regions, logically clustering together based on proximity. Based on this, the following novel intervals (counts/minute) were identified and defined: Performance Sedentary (PSE) = 1-100, Performance Light 1 (PL1) = 101-350, Performance Light 2 (PL2) = 351-800, Performance Light 3 (PL3) = 801-2500, and Performance Moderate/Vigorous (PMV) = 2501-30000. The refinement of accelerometry signals into these new intervals, including 3 distinct ranges that fit inside the established light activity range, best captures alterations in real-life physical performance as a result of regional pain. DISCUSSION AND CONCLUSIONS: These new accelerometry intervals provide a model for objective measurement of real-life physical performance in people with pain and musculoskeletal disorders, with many potential uses. They may be used to better evaluate the relationship between pain and daily physical function, monitor musculoskeletal disease progression, gauge disease severity, inform exercise prescription, and quantify the functional impact of treatments. Based on these findings, we recommend that future studies of pain and musculoskeletal disorders analyze accelerometry output based on these new "physical performance" intervals.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».