MétaCan
Menu
Retour à la cohorte
Enregistrement W3114149626 · doi:10.2196/22090

Comparison of the Physical Activity Measured by a Consumer Wearable Activity Tracker and That Measured by Self-Report: Cross-Sectional Analysis of the Health eHeart Study

2020· article· en· W3114149626 sur OpenAlexvenueno aff
Alexander J. Beagle, Geoffrey H. Tison, Kirstin Aschbacher, Jeffrey E. Olgin, Gregory M. Marcus, Mark J. Pletcher

Notice bibliographique

RevueJMIR mhealth and uhealth · 2020
Typearticle
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Research ResourcesNational Institute of Diabetes and Digestive and Kidney DiseasesPatient-Centered Outcomes Research Institute
Mots-clésActivity trackerMetabolic equivalentPhysical activityMedicineActivity monitorSpearman's rank correlation coefficientPhysical therapyCross-sectional studyRegression analysisPedometerGerontologyStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

Background Commercially acquired wearable activity trackers such as the Fitbit provide objective, accurate measurements of physically active time and step counts, but it is unclear whether these measurements are more clinically meaningful than self-reported physical activity. Objective The aim of this study was to compare self-reported physical activity to Fitbit-measured step counts and then determine which is a stronger predictor of BMI by using data collected over the same period reflecting comparable physical activities. Methods We performed a cross-sectional analysis of data collected by the Health eHeart Study, a large mobile health study of cardiovascular health and disease. Adults who linked commercially acquired Fitbits used in free-living conditions with the Health eHeart Study and completed an International Physical Activity Questionnaire (IPAQ) between 2013 and 2019 were enrolled (N=1498). Fitbit step counts were used to quantify time by activity intensity in a manner comparable to the IPAQ classifications of total active time and time spent being sedentary, walking, or doing moderate activities or vigorous activities. Fitbit steps per day were computed as a measure of the overall activity for exploratory comparisons with IPAQ-measured overall activity (metabolic equivalent of task [MET]-h/wk). Measurements of physical activity were directly compared by Spearman rank correlation. Strengths of associations with BMI for Fitbit versus IPAQ measurements were compared using multivariable robust regression in the subset of participants with BMI and covariates measured. Results Correlations between synchronous paired measurements from Fitbits and the IPAQ ranged in strength from weak to moderate (0.09-0.48). In the subset with BMI and covariates measured (n=586), Fitbit-derived predictors were generally stronger predictors of BMI than self-reported predictors. For example, an additional hour of Fitbit-measured vigorous activity per week was associated with nearly a full point reduction in BMI (–0.84 kg/m2, 95% CI –1.35 to –0.32) in adjusted analyses, whereas the association between self-reported vigorous activity measured by IPAQ and BMI was substantially smaller in magnitude (–0.17 kg/m2, 95% CI –0.34 to –0.00; P<.001 versus Fitbit) and was dominated by the Fitbit-derived predictor when compared head-to-head in a single adjusted multivariable model. Similar patterns of associations with BMI, with Fitbit dominating self-report, were seen for moderate activity and total active time and in comparisons between overall Fitbit steps per day and IPAQ MET-h/wk on standardized scales. Conclusions Fitbit-measured physical activity was more strongly associated with BMI than self-reported physical activity, particularly for moderate activity, vigorous activity, and summary measures of total activity. Consumer-marketed wearable activity trackers such as the Fitbit may be useful for measuring health-relevant physical activity in clinical practice and 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 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)0,006
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,149
Tête enseignante GPT0,441
Écart entre enseignants0,291 · 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

Citations39
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

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