MétaCan
Menu
Retour à la cohorte
Enregistrement W2957984414 · doi:10.3389/fnagi.2019.00203

Revisiting the MotionWatch8©: Calibrating Cut-Points for Measuring Physical Activity and Sedentary Behavior Among Adults With Stroke

2019· article· en· W2957984414 sur OpenAlexafffund
Ryan S. Falck, John R. Best, Michael C. R. Li, Janice J. Eng, Teresa Liu‐Ambrose

Notice bibliographique

RevueFrontiers in Aging Neuroscience · 2019
Typearticle
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensGF Strong Rehabilitation CentreUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health ResearchFondation pour la Recherche sur AlzheimerVancouver Coastal Health Research InstituteUniversity of British Columbia
Mots-clésStroke (engine)ActigraphyMedicinePhysical therapyPhysical medicine and rehabilitationQuality of life (healthcare)CognitionInternal medicineCircadian rhythmPsychiatry

Résumé

récupéré en direct d'OpenAlex

Reduced moderate-to-vigorous physical activity (MVPA) and increased sedentary behavior (SB) are common following stroke, which can limit stroke recovery and contribute to greater cognitive decline. Hence, the MVPA and SB of adults with stroke should be measured concurrently using objective methods. One currently available method for objectively measuring MVPA and SB is the MotionWatch8© (MW8). However, adults with stroke can have significant mobility restrictions (depending on stroke severity) and thus it is important to determine separate MVPA and SB cut-points for adults with stroke, as well as validate separate cut-points: (1) when the MW8 is worn on the stroke affected side compared to the non-affected side; and (2) for adults with mild stroke versus adults with moderate-to-severe stroke. In the current study, we concurrently measured MW8 actigraphy (worn on both the stroke affected side and the non-affected side) and indirect calorimetry during 10 different activities of daily living for 43 adults with stroke (aged 55-87 years). Using intra-class correlations (ICC), we first investigated the agreement of the MW8 when placed on the affected side as compared to the non-affected side for: (1) all participants irrespective of stroke severity; (2) participants with mild stroke, classified as a Fugl Meyer motor score of ≥79/100; and (3) participants with moderate-to-severe stroke (i.e., Fugl Meyer < 79/100). We then determined cut-points for all participants-as well as separate cut-points based on stroke severity-on both the stroke affected side and non-affected side for SB and MVPA using receiver operating characteristic curves. The results of our analyses indicate that the agreement in MW8 output between the stroke affected and non-affected sides was moderate across all participants (ICC = 0.67), as well as for each sub-group (mild stroke: ICC = 0.64; moderate-to-severe stroke: ICC = 0.77). Additionally, the results of our cut-point analyses support using different cut-points for different levels of stroke severity and also for the stroke affected side. We determined the following cut-points: (1) for the affected side, adults with mild stroke have cut-points of SB ≤134 counts per minute (CPM) and MVPA ≥704 CPM, while adults with moderate-to-severe stroke have cut-points of SB ≤281 CPM and MVPA ≥468 CPM; and (2) the non-affected side, adults with mild stroke have cut-points of SB ≤162 CPM and MVPA ≥661 CPM, while adults with moderate-to-severe stroke have cut-points of SB ≤281 CPM and MVPA ≥738 CPM. Hence, these data provide a new measure for concurrently examining the dynamic relationships between MVPA and SB among adults with stroke.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,278
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Aging NeuroscienceMême sujetPhysical Activity and HealthTravaux en français237 207