Will Women Interact with Technology to Understand Their Cardiovascular Risk and Potentially Increase Activity?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cardiovascular disease (CVD) continues to be one of the leading causes of death for women. New approaches need to be identified that will enable women to recognize modifiable risk factors and target their efforts toward prevention. The objectives of this study were to (1) determine if women would access Vivametrica™ to assess CVD risk, (2) identify whether women would increase their physical activity as measured by their daily step counts, and (3) elicit women's opinions about using the system, prospective observational study design. Thirty-six English-speaking women aged 45–64 years of age, without physical disability, were recruited. Participants attended two clinic visits and were asked to wear a sensor-based activity monitor (Garmin Vivosmart® HR Wrist Tracker) for 12 weeks. Twenty-six (72%) of participants accessed Vivametrica for the course of the study. The median number of steps at baseline and at study completion was 9329 (range 5406–18,228) and 10,181 (range 5398–21,401), respectively. There was no significant change in number of steps taken by the participants for the study period (Z = −1.086, p = 0.278). The women's responses to the three statements (related to using Vivametrica) are represented on bar graphs. Women's opinions were important to provide an understanding about how they realized the technology. Women did access Vivametrica. Women did not significantly increase their step count. However, these women were achieving beyond sedentary levels of activity (>5000 steps/day). Although the change in steps was not statistically significant, it represents a median increase in daily steps of 9%, which is clinically important.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle