Prediction of VO2max From Submaximal Exercise Using the Smartphone Application Myworkout GO: Validation Study of a Digital Health Method
Notice bibliographique
Résumé
Background Physical inactivity remains the largest risk factor for the development of cardiovascular disease worldwide. Wearable devices have become a popular method of measuring activity-based outcomes and facilitating behavior change to increase cardiorespiratory fitness (CRF) or maximal oxygen consumption (VO2max) and reduce weight. However, it is critical to determine their accuracy in measuring these variables. Objective This study aimed to determine the accuracy of using a smartphone and the application Myworkout GO for submaximal prediction of VO2max. Methods Participants included 162 healthy volunteers: 58 women and 104 men (17-73 years old). The study consisted of 3 experimental tests randomized to 3 separate days. One-day VO2max was assessed with Metamax II, with the participant walking or running on the treadmill. On the 2 other days, the application Myworkout GO used standardized high aerobic intensity interval training (HIIT) on the treadmill to predict VO2max. Results There were no significant differences between directly measured VO2max (mean 49, SD 14 mL/kg/min) compared with the VO2max predicted by Myworkout GO (mean 50, SD 14 mL/kg/min). The direct and predicted VO2max values were highly correlated, with an R2 of 0.97 (P<.001) and standard error of the estimate (SEE) of 2.2 mL/kg/min, with no sex differences. Conclusions Myworkout GO accurately calculated VO2max, with an SEE of 4.5% in the total group. The submaximal HIIT session (4 x 4 minutes) incorporated in the application was tolerated well by the participants. We present health care providers and their patients with a more accurate and practical version of health risk estimation. This might increase physical activity and improve exercise habits in the general population.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».