Development and validation of an activPAL accelerometry count-based model of physical activity intensity in adults
Notice bibliographique
Résumé
The activPAL linear cadence-metabolic equivalents (METs) equation poorly estimates activity intensity. The magnitude of acceleration in three directional planes may be a superior predictor of activity intensity than stepping cadence, with accelerometry count thresholds developed in children/adolescent populations. We extracted the proprietary accelerometer-derived information to develop a counts-METs model and cross-validates it in laboratory and free-living conditions. Forty adults (25±6 years) wore an activPAL during a 7-stage progressive treadmill protocol (criterion: indirect calorimetry). Tri-axial accelerometry-derived activity counts (vector magnitude) and METs data from a subset of participants (n = 20) were modelled (R2=0.76) and the regression equation evaluated in the remaining participants (n = 20). Thirty-two of these participants wore the activPAL during free-living conditions (n = 192-d; criterion: PiezoRxD monitor). The absolute percent error of the counts-METs model in the laboratory cross-validation was 18±13%, with equivalence testing determinining equivalent MET values to indirect calorimetry during the slowest (1.5 mph) and fastest (4.0-4.5 mph) stages. In free-living conditions, the model accurately quantified light- and moderate-intensity physical activity but underestimated vigorous-intensity activity (6.5±11.3 vs. 5.5±20.8 mins/day; p < 0.001). We developed and present a data analysis method using the activPAL tri-axial accelerometry counts to improve estimations of physical activity intensity in controlled laboratory settings and uncontrolled free-living settings.
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) | 0,001 | 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 | 0,000 |
| 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 ».