Quantification of Free-Living Community Mobility in Healthy Older Adults Using Wearable Sensors
Notice bibliographique
Résumé
Introduction: Understanding determinants of community mobility disability is critical for developing interventions aimed at preventing or delaying disability in older adults. In an effort to understand these determinants, capturing and measuring community mobility has become a key factor. The objectives of this paper are to present and illustrate the signal processing workflow and outcomes that can be extracted from an activity and community mobility measurement approach based on GPS and accelerometer sensor data and 2) to explore the construct validity of the proposed measurement approach using data collected from healthy older adults in free-living conditions. Methods: Personal, functional impairment and environmental variables were obtained by self-report questionnaires in 75 healthy community-living older adults (mean age = 66 ± 7 years old) living on the island of Montreal, QC, Canada. Participants wore, for 14 days during waking hours on the hip, a data logger incorporating a GPS receiver with a 3-axis accelerometer. Time at home ratio (THR), Trips out (TO), Destinations (D), Maximal distance of destinations (MDD), Active time ratio (ATR), Steps (S), Distance in a vehicle (DV), Time in a vehicle (TV), Distance on foot (DF), Time on foot (TF), Ellipse area (EA) and Ellipse maximum distance (EMD) were extracted from the recordings. Results: After applying quality control criteria, the original data set was reduced from 75 to 54 participants (28% attrition). Results from the remaining sample show that under free-living conditions in healthy older adults, location, activity and community mobility outcomes vary across individuals and certain personal variables (age, income, living situation, professional status, vehicle access) have potential mitigating effects on these outcomes. There was a significant (yet small) relationship (rho <0.40) between self-reported life space and MDD, DV, EA and EMD. Conclusion: Wearability and usability of the devices used to capture free-living community mobility impact participant compliance and the quality of the data. The construct validity of the proposed approach appears promising but requires further studies directed at populations with mobility impairments.
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 | 0,011 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».