MétaCan
Menu
Retour à la cohorte
Enregistrement W3108781082 · doi:10.2196/18320

Validity of Wrist-Wearable Activity Devices for Estimating Physical Activity in Adolescents: Comparative Study

2020· article· en· W3108781082 sur OpenAlexvenueno aff
Yingying Hao, Xiao-Kai Ma, Zheng Zhu, Zhen‐Bo Cao

Notice bibliographique

RevueJMIR mhealth and uhealth · 2020
Typearticle
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhysical activityAccelerometerWearable computerPhysical therapyEnergy expenditureWearable technologyWristActivity monitorPhysical medicine and rehabilitationTotal energy expenditureMedicineComputer scienceSurgeryEmbedded system

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The rapid advancements in science and technology of wrist-wearable activity devices offer considerable potential for clinical applications. Self-monitoring of physical activity (PA) with activity devices is helpful to improve the PA levels of adolescents. However, knowing the accuracy of activity devices in adolescents is necessary to identify current levels of PA and assess the effectiveness of intervention programs designed to increase PA. OBJECTIVE: The study aimed to determine the validity of the 11 commercially available wrist-wearable activity devices for monitoring total steps and total 24-hour total energy expenditure (TEE) in healthy adolescents under simulated free-living conditions. METHODS: Nineteen (10 male and 9 female) participants aged 14 to 18 years performed a 24-hour activity cycle in a metabolic chamber. Each participant simultaneously wore 11 commercial wrist-wearable activity devices (Mi Band 2 [XiaoMi], B2 [Huawei], Bong 2s [Meizu], Amazfit [Huamei], Flex [Fitbit], UP3 [Jawbone], Shine 2 [Misfit], GOLiFE Care-X [GoYourLife], Pulse O2 [Withings], Vivofit [Garmin], and Loop [Polar Electro]) and one research-based triaxial accelerometer (GT3X+ [ActiGraph]). Criterion measures were total EE from the metabolic chamber (mcTEE) and total steps from the GT3X+ (AGsteps). RESULTS: Pearson correlation coefficients r for 24-hour TEE ranged from .78 (Shine 2, Amazfit) to .96 (Loop) and for steps ranged from 0.20 (GOLiFE) to 0.57 (Vivofit). Mean absolute percent error (MAPE) for TEE ranged from 5.7% (Mi Band 2) to 26.4% (Amazfit) and for steps ranged from 14.2% (Bong 2s) to 27.6% (Loop). TEE estimates from the Mi Band 2, UP3, Vivofit, and Bong 2s were equivalent to mcTEE. Total steps from the Bong 2s were equivalent to AGsteps. CONCLUSIONS: Overall, the Bong 2s had the best accuracy for estimating TEE and total steps under simulated free-living conditions. Further research is needed to examine the validity of these devices in different types of physical activities under real-world conditions.

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)0,009
score de la tête « metaresearch » (Gemma)0,022
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 enseignants0,009
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,242
Tête enseignante GPT0,476
Écart entre enseignants0,235 · 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

Citations30
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetPhysical Activity and HealthTravaux en français237 207