Providing context to sedentary behaviour in cardiac rehab patients: Linking accelerometry and GPS data
Notice bibliographique
Résumé
Purpose: The current work looked to provide context or location-based information to objective measures of sedentary time in cardiac rehab (CR) patients. Methods: Accelerometry and GPS data was collected simultaneously in 50 patients attending a CR program in Halifax, Nova Scotia. Patients wore the devices for 9 days at the beginning (i.e., within the 1st 3 weeks), end (i.e., within the last 2 weeks) of CR and 3-months after program completion. Minute-by-minute sedentary time calculated from the accelerometry data was linked to GPS data using ArcGIS software and used to identify where sedentary time occurred. Descriptive statistics (frequencies) were calculated to look at the different locations patients were found to be sedentary. Results: We linked > 1268 hours of sedentary and GPS data at each time point. Forty two different location codes were created to best categorize where participants' were when they were sedentary. At the beginning, end and 3-months following CR patients were found to be most sedentary within their home (74%, 67% and 63% of the data linked at Time 1, Time 2, and Time 3, respectively). Other common places included vehicles (different means of transportation), professional centres and residential dwellings different from their home. Conclusion: It appears that patients are most sedentary in their own homes. This work provides valuable information for informing future sedentary behaviour interventions in CR patients and highlights the home environment as an important intervention target in this patient population.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».