Accelerometer-Based Physical Activity Patterns and Associations With Outcomes Among Individuals With Osteoarthritis
Notice bibliographique
Résumé
BACKGROUND: This study examined patterns of physical activity and associations with pain, function, fatigue, and sleep disturbance among individuals with knee or hip osteoarthritis. METHODS: Participants (n = 54) were enrolled in a telephone-based physical activity coaching intervention trial; all data were collected at baseline. Self-reported measures of pain and function (WOMAC [Western Ontario and McMaster Universities Osteoarthritis Index] subscales), fatigue (10-point numeric rating scale), and PROMIS (Patient-Reported Outcomes Information System) Sleep Disturbance were collected via telephone. Accelerometers were mailed to participants and were worn for at least 3 days. Proportion of time participants spent in sedentary behavior during the morning (from wake until 12:00 pm), afternoon (12:00 pm until 5:59 pm) and evening (6:00 pm until sleep) each day was averaged across all days of wear. Pearson correlations assessed associations between activity and self-reported measures. RESULTS: Participants spent a large proportion of time in sedentary behavior: 65.6% of mornings, 70.0% of afternoons, and 76.6% of evenings. Associations between proportion of time spent in sedentary behavior and reported outcomes were generally strongest in the afternoon, strongest for WOMAC function, and lowest for PROMIS Sleep Disturbance. In the evening hours, sedentary time was most strongly associated with fatigue. CONCLUSIONS: Overall, findings stress the importance of reducing sedentary behavior among adults with osteoarthritis and suggest behavioral interventions may be strengthened by considering patients' within-day variation in symptoms and activity.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».