Comparing two moderate-to-vigorous physical activity accelerometer cut-points in older adults with neck and back disability undergoing exercise and spinal manipulation interventions
Notice bibliographique
Résumé
Measuring movement through wearable accelerometers may decrease reliance on subjective tools commonly used in clinical research. Accelerometry also allows the study of movement performance over time during a person's typical activities of daily living. Different techniques can be used to analyze and reduce accelerometer data, which could impact how the data is interpreted. The purpose of the present study was to determine which variables could be impacted by setting different parameters for data analysis. We performed a secondary analysis of data gained from a clinical trial conducted on older adults (>65; M=71.1, SD=5.3) (n=100) with neck and back disabilities and compared the effects of two different cut-point sets commonly used in the analysis of older adult accelerometry data; the Matthews (2005) and Freedson Melanson, & Sirard (1998) sets. The Matthews set was found to assign significantly greater moderate-to-vigorous physical activity (MVPA) per day than the Freedson set in all comparisons. Further results from multiple analyses of dependent variables: time in (MVPA) bouts of >10min per day; mean bout length; and number of bouts per day; will be discussed. Cut-point selection can impact key variables of interest in accelerometry data. Selection of methods with relevant justification, including the impact age may have on results, should be outlined apriori and results interpreted with caution.
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 | 0,007 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».