MétaCan
Menu
Retour à la cohorte
Enregistrement W2754016885 · doi:10.1177/2055668317733258

Older adults’ satisfaction of wearing consumer-level activity monitors

2017· article· en· W2754016885 sur OpenAlexaboutno aff
Nicolas Farina, Ruth Lowry

Notice bibliographique

RevueJournal of Rehabilitation and Assistive Technologies Engineering · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Chichester
Mots-clésPhysical activityPsychologyGerontologyConsumer satisfactionPhysical therapyApplied psychologyPhysical medicine and rehabilitationMedicineAdvertising

Résumé

récupéré en direct d'OpenAlex

There is a growing body of evidence to suggest that consumer-level activity monitors are a valid means of measuring physical activity in older adults. Understanding whether older adults are satisfied with wearing these activity monitors is an important step to ensuring that devices can be successfully implemented in clinical and research settings. Twenty-five older adults (mean age = 72.5 years, standard deviation = 4.9) wore two consumer-level activity monitors (Misfit Shine and Fitbit Charge HR) for seven consecutive days. After the week, participants were asked for their views and satisfaction of wearing each device, measured in part by the Quebec User Evaluation of Satisfaction with assistive Technology. Participants were generally satisfied with most aspects of the devices, though they were significantly more satisfied with the Misfit Shine. Participants were critical about their ability to adjust the fit of both the Misfit Shine and Fitbit Charge HR. Interestingly, the perceived satisfaction with the device was not associated with participants' consideration of wearing the device again. Future research needs to consider whether the design of consumer-level activity monitors are best suited for older adults.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,015
Tête enseignante GPT0,284
Écart entre enseignants0,269 · 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

Citations11
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Rehabilitation and Assistive Technologies EngineeringMême sujetTechnology Use by Older AdultsTravaux en français237 207