Consumer Wearable Deployments in Actigraphy Research: Evaluation of an Observational Study
Notice bibliographique
Résumé
BACKGROUND: Consumer wearables can provide a practical and accessible method of data collection in actigraphy research. However, as this area continues to grow, it is becoming increasingly important for researchers to be aware of the many challenges facing the capture of quality data using consumer wearables. OBJECTIVE: This study aimed to (1) present the challenges encountered by a research team in actigraphy data collection using a consumer wearable and (2) present considerations for researchers to apply in the pursuit of robust data using this approach. METHODS: The Nokia Go was deployed to 33 elite Gaelic footballers from a single team for a planned period of 14 weeks. A bring-your-own-device model was employed for this study where the Health Mate app was downloaded on participants' personal mobile phones and connected to the Nokia Go via Bluetooth. Retrospective evaluation of the researcher and participant experience was conducted through transactional data such as study logs and email correspondence. The participant experience of the data collection process was further explored through the design of a 34-question survey utilizing aspects of the Technology Acceptance Model. RESULTS: Researcher challenges included device disconnection, logistics and monitoring, and rectifying of technical issues. Participant challenges included device syncing, loss of the device, and wear issues, particularly during contact sport. Following disconnection issues, the data collection period was defined as 87 days for which there were 18 remaining participants. Average wear time was 79 out of 87 days (90%) and 20.8 hours per day. The participant survey found mainly positive results regarding device comfort, perceived ease of use, and perceived usefulness. CONCLUSIONS: Although this study did not encounter some of the common published barriers to wearable data collection, our experience was impacted by technical issues such as disconnection and syncing challenges, practical considerations such as loss of the device, issues with personal mobile phones in the bring-your-own-device model, and the logistics and resources required to ensure a smooth data collection with an active cohort. Recommendations for achieving high-quality data are made for readers to consider in the deployment of consumer wearables in research.
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 | 0,072 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| 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 | 0,001 |
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 ».