COMPARISONS OF AUTOMATICALLY AND MANUALLY ACQUIRED GAIT SPEED IN KOREAN RURAL COMMUNITY DWELLING OLDER PEOPLE
Notice bibliographique
Résumé
Gait speed (GS) of older people has been usually measured manually using stop watch. However, new simple devices allow automated GS measurement in clinic. We sought whether automatically measured GS differs from manually measured GS in distributions and associations with geriatric conditions including frailty index. A total of 260 community-dwelling older participants in Aging Study of Pyeongchang Rural Area (ASPRA) cohort had comprehensive geriatric assessment including automatically measured GS and manually acquired GS in December 2017. For automated GS, we used ultrasound sensor deployed at the start and finish point of 4 meter section. GS measured by automated device (mean 1.19 m/s, standard deviation [SD] 0.02 m/s) were faster than manually acquired GS (mean 0.87 m/s, SD 0.02 m/s, P < 0.001). Differences between two method was greater (P<0.001) in faster walking participants with manually acquired GS > 1 m/s (mean difference 0.31), compared to slower working participants with GS < 1m/s (mean difference 0.20). Automated GS and manually acquired GS correlated each other (R2 = 0.944, manually acquired GS = Automated GS * 0.697 + 0.044). GS measured by both method associated with frailty index, and both method could screen vulnerability (combining prefrailty and frailty defined by the Cardiovascular Health Study frailty criteria), without statistical differences in C-statistics (P = 0.203). GS measured manually was appeared to be slower when compared to automatically measured GS. For clinical use of automated GS, we may adjust reference values of GS that was originally measured manually to reflect differences between two instruments.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».