MétaCan
Menu
Retour à la cohorte
Enregistrement W2740969659 · doi:10.1249/mss.0000000000001388

Comparison of Polar M600 Optical Heart Rate and ECG Heart Rate during Exercise

2017· article· en· W2740969659 sur OpenAlexafffund
John F. Horton, Pro Stergiou, Tak Fung, Larry Katz

Notice bibliographique

RevueMedicine & Science in Sports & Exercise · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueNon-Invasive Vital Sign Monitoring
Établissements canadiensCalgary Laboratory ServicesUniversity of Calgary
Organismes subventionnairesUniversity of Calgary
Mots-clésHeart rateTreadmillCardiologyPolarExercise intensityIntensity (physics)CyclingMedicineMathematicsInternal medicineBlood pressurePhysics

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The purpose of this study was to evaluate the accuracy of the Polar M600 optical heart rate (OHR) sensor compared with ECG heart rate (HR) measurement during various physical activities. METHODS: Thirty-six subjects participated in a continuous 76-min testing session, which included rest, cycling warm-up, cycling intervals, circuit weight training, treadmill intervals, and recovery. HR was measured using a three-lead ECG configuration and a Polar M600 Sport Watch on the left wrist. Statistical analyses included OHR percent accuracy, mean difference, mean absolute error, Bland-Altman plots, and a repeated-measures generalized estimating equation design. OHR percent accuracy was calculated as the percentage of occurrences where OHR measurement was within and including ±5 bpm from the ECG HR value. RESULTS: Of the four exercise phases performed, the highest OHR percent accuracy was found during cycle intervals (91.8%), and the lowest OHR percent accuracy occurred during circuit weight training (34.5%). OHR percent accuracy improved steadily within exercise transitions during cycle intervals to a maximum of 98.5% and during treadmill intervals to a maximum of 89.0%. Lags in HR calculated by the Polar M600 OHR sensor existed in comparison to ECG HR, when exercise intensity changed until steady state occurred. There was a tendency for OHR underestimation during intensity increases and overestimation during intensity decreases. No statistically significant interaction effect with device was found in this sample on the basis of sex, body mass index, V˙O2max, skin type, or wrist size. CONCLUSIONS: The Polar M600 was accurate during periods of steady-state cycling, walking, jogging, and running, but less accurate during some exercise intensity changes, which may be attributed to factors related to total peripheral resistance changes and pulse pressure.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,296
Écart entre enseignants0,276 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations80
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedicine & Science in Sports & ExerciseMême sujetNon-Invasive Vital Sign MonitoringTravaux en français237 207