A practical guidance for assessments of sedentary behavior at work: A PEROSH initiative
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
Sedentary behavior is defined as sitting or lying with low energy expenditure. Humans in industrialized societies spend an increasing amount of time in sedentary behaviors every day. This has been associated with detrimental health outcomes. Despite a growing interest in the health effects of sedentary behavior at work, associations remain unclear, plausibly due to poor and diverse methods for assessing sedentary behavior. Thus, good practice guidance for researchers and practitioners on how to assess occupational sedentary behavior are needed. The aim of this paper is to provide a practical guidance for practitioners and researchers on how to assess occupational sedentary behavior. Ambulatory systems for use in field applications (wearables) are a promising approach for sedentary behavior assessment. Many different small-size consumer wearables, with long battery life and high data storage capacity are commercially available today. However, no stand-alone commercial system is able to assess sedentary behavior in accordance with its definition. The present paper offers decision support for practitioners and researchers in selecting wearables and data collection strategies for their purpose of study on sedentary behavior. Valid and reliable assessment of occupational sedentary behavior is currently not easy. Several aspects need to be considered in the decision process on how to assess sedentary behavior. There is a need for development of a cheap and easily useable wearable for assessment of occupational sedentary behavior by researchers and practitioners.
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 | 0,000 | 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 | 0,000 |
| 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