Accuracy of Thresholds Based on Cadence and Lifestyle Counts per Minute to Detect Outdoor Walking in Older Adults With Mobility Limitations
Notice bibliographique
Résumé
OBJECTIVE: To determine the optimal threshold, based on cadence and lifestyle counts per minute, to detect outdoor walking in mobility-limited older adults. METHODS: Older adults (N = 25, median age: 77.0 years, interquartile range: 10.5) wore activity monitors during 80 outdoor walks. Walking bouts were identified manually (reference standard) and compared with identification using cadence thresholds (≥30, ≥35, ≥40, ≥45, and ≥50 steps/min) and >760 counts per minute using low frequency extension analysis. RESULTS: Median walking bout duration was 10.5 min (interquartile range 4.8) and median outdoor walking speed was 0.70 m/s (interquartile range 0.20). Cadence thresholds of ≥30, ≥35, and ≥40 steps/min demonstrated high sensitivity (1.0, 95% confidence intervals [0.95, 1.0]) to detect walking bouts; estimates for specificity and positive predictive value were highest for ≥40 steps/min. CONCLUSION: A cadence threshold of ≥40 steps/min is recommended for detecting sustained outdoor walking in this population.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».