Characterization of Detailed Sedentary Postures Using a Tri-Monitor ActivPAL Configuration in Free-Living Conditions
Notice bibliographique
Résumé
Objective monitors such as the activPAL characterize time when the thigh is horizontal as sedentary time. However, there are physiological differences between lying, bent-legged sitting, and straight-legged sitting. We introduce a three-monitor configuration to assess detailed sedentary postures and demonstrate its use in characterizing such positions in free-living conditions. We explored time spent in each sedentary posture between prolonged (>1 h) versus non-prolonged (<1 h) sedentary bouts. In total, 35 healthy adults (16♀, 24 ± 3 years; 24 h/day for 6.8 ± 1.0 days) wore an activPAL accelerometer on their thigh, torso, and shin. Hip and knee joint flexion angle estimates were determined during sedentary bouts using the dot-product method between the torso−thigh and thigh−shin, respectively. Compared to lying (69 ± 60 min/day) or straight-legged sitting (113 ± 100 min/day), most time was spent in bent-legged sitting (439 ± 101 min/day, p < 0.001). Most of the bent-legged sitting time was accumulated in non-prolonged bouts (328 ± 83 vs. 112 ± 63 min/day, p < 0.001). In contrast, similar time was spent in straight-legged sitting and lying between prolonged/non-prolonged bouts (both, p > 0.26). We document that a considerable amount of waking time is accumulated in lying or straight-legged sitting. This methodological approach equips researchers with a means of characterizing detailed sedentary postures in uncontrolled conditions and may help answer novel research questions on sedentariness.
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) | 0,000 | 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 ».