Consumer-Based Physical Activity Monitor as a Practical Way to Measure Walking Intensity During Inpatient Stroke Rehabilitation
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Identifying practical ways to accurately measure exercise intensity and dose in clinical environments is essential to advancing stroke rehabilitation. This is especially relevant in monitoring walking activity during inpatient rehabilitation where recovery is greatest. This study evaluated the accuracy of a readily available consumer-based physical activity monitor during daily inpatient stroke rehabilitation physical therapy sessions. METHODS: Twenty-one individuals admitted to inpatient rehabilitation were monitored for a total of 471 one-hour physical therapy sessions which consisted of walking and nonwalking therapeutic activities. Participants wore a consumer-based physical activity monitor (Fitbit One) and the gold standard for assessing step count (StepWatch Activity Monitor) during physical therapy sessions. Linear mixed modeling was used to assess the relationship of the step count of the Fitbit to the StepWatch Activity Monitor. Device accuracy is reported as the percent error of the Fitbit compared with the StepWatch Activity Monitor. RESULTS: A strong relationship (slope=0.99; 95% confidence interval, 0.97-1.01) was found between the number of steps captured by the Fitbit One and the StepWatch Activity Monitor. The Fitbit One had a mean error of 10.9% (5.3) for participants with walking velocities <0.4 m/s, 6.8% (3.0) for walking velocities between 0.4 and 0.8 m/s, and 4.4% (2.8) for walking velocities >0.8 m/s. CONCLUSIONS: This study provides preliminary evidence that the Fitbit One, when positioned on the nonparetic ankle, can accurately measure walking steps early after stroke during inpatient rehabilitation physical therapy sessions. CLINICAL TRIAL REGISTRATION: URL: https://www.clinicaltrials.gov. Unique identifier: NCT01915368.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».