Physical Activity Trend eXtraction: A Framework for Extracting Moderate-Vigorous Physical Activity Trends From Wearable Fitness Tracker Data
Notice bibliographique
Résumé
BACKGROUND: Moderate-vigorous physical activity (MVPA) offers extensive health benefits but is neglected by many. As a result, a wide body of research investigating physical activity behavior change has been conducted. As many of these studies transition from paper-based methods of MVPA data collection to fitness trackers, a series of challenges arise in extracting insights from these new data. OBJECTIVE: The objective of this research was to develop a framework for preprocessing and extracting MVPA trends from wearable fitness tracker data to support MVPA behavior change studies. METHODS: Using heart rate data collected from fitness trackers, we propose Physical Activity Trend eXtraction (PATX), a framework that imputes missing data, recalculates personalized target heart zones, and extracts MVPA trends. We tested our framework on a dataset of 123 college study participants observed across 2 academic years (18 months) using Fitbit Charge HRs. To demonstrate the value of our frameworks' output in supporting MVPA behavior change studies, we applied it to 2 case studies. RESULTS: Among the 123 participants analyzed, PATX labeled 41 participants as experiencing a significant increase in MVPA and 44 participants who experienced a significant decrease in MVPA, with significance defined as P<.05. Our first case study was consistent with previous works investigating the associations between MVPA and mental health. Whereas the second, exploring how individuals perceive their own levels of MVPA relative to their friends, led to a novel observation that individuals were less likely to notice changes in their own MVPA when close ties in their social network mimicked their changes. CONCLUSIONS: By providing meaningful and flexible outputs, PATX alleviates data concerns common with fitness trackers to support MVPA behavior change studies as they shift to more objective assessments of MVPA.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,007 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 ».