Development and testing of methods for detecting off-wrist in actimetry recordings
Notice bibliographique
Résumé
STUDY OBJECTIVES: In field studies using wrist-actimetry, not identifying/handling off-wrist intervals may result in their misclassification as immobility/sleep and biased estimations of rhythmic patterns. By comparing different solutions for detecting off-wrist, our goal was to ascertain how accurately they detect nonwear in different contexts and identify variables that are useful in the process. METHODS: We developed algorithms using heuristic (HA) and machine learning (ML) approaches. Both were tested using data from a protocol followed by 10 subjects, which was devised to mimic contexts of actimeter wear/nonwear in real-life. Self-reported data on usage according to the protocol were considered the gold standard. Additionally, the performance of our algorithms was compared to that of visual inspection (by 2 experienced investigators) and Choi algorithm. Data previously collected in field studies were used for proof-of-concept analyses. RESULTS: All methods showed similarly good performances. Accuracy was marginally higher for one of the raters (visual inspection) than for heuristically developed algorithms (HA, Choi). Short intervals (especially < 2 h) were either not or only poorly identified. Consecutive stretches of zeros in activity were considered important indicators of off-wrist (for both HA and ML). It took hours for raters to complete the task as opposed to the seconds or few minutes taken by the automated methods. CONCLUSIONS: Automated strategies of off-wrist detection are similarly effective to visual inspection, but have the important advantage of being faster, less costly, and independent of raters' attention/experience. In our study, detecting short intervals was a limitation across methods.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».