Physical Activity of ICU Survivors during Acute Admission: Agreement of the activPAL with Observation
Notice bibliographique
Résumé
Purpose: We estimated the agreement of a thigh-worn accelerometer, the activPAL, used to measure activity and sedentary parameters, with observed mobility assessments of intensive care unit (ICU) survivors. Method: We prospectively compared activPAL measurements with direct observation during assessments at discharge from the ICU or acute hospital in eight participants with a median age of 56 (1st–3rd quartile 48–65) years and an Acute Physiology and Chronic Health Evaluation II score of 23 (1st–3rd quartile 17–24). Frequency of sit-to-stand transitions; time spent standing, stepping, upright (standing and stepping), and sedentary (lying/sitting); and total steps were described; analysis was performed using Bland–Altman plots and calculating the absolute percent error. Results: All sit-to-stand transitions were accurately detected. The mean difference on the Bland–Altman plots suggested an overestimation of standing time with the activPAL of 31 (95% CI: −9, 71) seconds and underestimation of stepping time by 25 (95% CI: −47, −3) seconds. The largest median absolute percent errors were for standing time (21.9%) and stepping time (18.7%); time spent upright (1.7%) or sedentary (0.3%) was more accurately estimated. The activPAL underestimated total steps per session, achieving the largest percent error (70.8%). Conclusion: Because it underestimated step count, the activPAL likely incorrectly recorded stepping time as standing time, so that time spent upright was the measure of activity with the smallest error. Sedentary behaviour, including frequency of transitions, was validly assessed.
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 | 0,000 |
| 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 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 ».