Differences in Demographic, Behavioral, and Biological Variables Between Those With Valid and Invalid Accelerometry Data: Implications for Generalizability
Notice bibliographique
Résumé
Background: The exclusion of participants with invalid accelerometry data (IAD) may lead to biased results and/or lack of generalizability in large population studies. The purpose of this study was to investigate whether demographic, behavioral, and biological differences occur between those with IAD and valid accelerometry data (VAD) among adults using a representative sample of the civilian noninstitutionalized U.S. population. Methods: Ambulatory participants from NHANES (2003−2004) who were 20−85 years of age were included in the current study and wore an ActiGraph 7164 accelerometer for 7 days. A “valid person” was defined as those with 4 or more days of at least 10+ hrs of monitoring per day. Among adults (20−85 yrs), 3088 participants provided VAD and 987 provided IAD. Demographic, behavioral, and biological information were obtained from the household interview or from data obtained in a mobile examination center. Results: Differences were observed in age, BMI, ethnicity, education, smoking status, marital status, use of street drugs, current health status, HDL-cholesterol, C-reactive protein, self-reported vigorous physical activity, and plasma glucose levels between those with VAD and IAD. Conclusions: Investigators should take into consideration the potential cut-off bias in interpreting results based on data that excludes IAD participants.
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 | 0,001 | 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 | 0,001 |
| 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 ».