Using Wearable Technology to Quantify Physical Activity Recovery: Secondary Report From the AFTER (App-Facilitated Tele-Rehabilitation) Program for COVID-19 Survivors Randomized Study
Notice bibliographique
Résumé
BACKGROUND: Knowledge on physical activity recovery after COVID-19 survival is limited. The AFTER (App-Facilitated Tele-Rehabilitation) program for COVID-19 survivors randomized participants, following hospital discharge, to either education and unstructured physical activity or a telerehabilitation program. Step count data were collected as a secondary outcome, and we found no significant differences in total step count trajectories between groups at 6 weeks. Further step count data were not analyzed. OBJECTIVE: The purpose of this analysis was to examine step count trajectories and correlates among all participants (combined into a single group) across the 12-week study period. METHODS: Linear mixed models with random effects were used to model daily steps over the number of study days. Models with 0, 1, and 2 inflection points were considered, and the final model was selected based on the highest log-likelihood value. RESULTS: Participants included 44 adults (41 with available Fitbit [Fitbit LLC] data). Initially, step counts increased by an average of 930 (95% CI 547-1312; P<.001) steps per week, culminating in an average daily step count of 7658 (95% CI 6257-9059; P<.001) at the end of week 3. During the remaining 9 weeks of the study, weekly step counts increased by an average of 67 (95% CI -30 to 163; P<.001) steps per week, resulting in a final estimate of 8258 (95% CI 6933-9584; P<.001) steps. CONCLUSIONS: Participants showed a marked improvement in daily step counts during the first 3 weeks of the study, followed by more gradual improvement in the remaining 9 weeks. Physical activity data and step count recovery trajectories may be considered surrogates for physiological recovery, although further research is needed to examine this relationship. TRIAL REGISTRATION: ClinicalTrials.gov NCT04663945; https://tinyurl.com/2p969ced.
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 | 0,009 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».