Moving Beyond the Characterization of Activity Intensity Bouts as Square Waves Signals
Notice bibliographique
Résumé
Wearable activity monitors provide objective estimates of time in different physical activity intensities. Each continuous stepping period is described by its length and a corresponding single intensity (in metabolic equivalents of task [METs]), creating square wave–shaped signals. We argue that physiological responses do not resemble square waves, with the purpose of this technical report to challenge this idea and use experimental data as a proof of concept and direct potential solutions to better characterize activity intensity. Healthy adults ( n = 43, 19♀; 23 ± 5 years) completed 6-min treadmill stages (five walking and five jogging/running) where oxygen consumption (3.5 ml O 2 ·kg −1 ·min −1 = 1 MET) was recorded throughout and following the cessation of stepping. The time to steady state was ∼1–1.5 min, and time back to baseline following exercise was ∼1–2 min, with faster stepping stages generally exhibiting longer durations. Instead of square waves, the duration intensity signal reflected a trapezoid shape for each stage. The METs per minute during the rise to steady state (upstroke slopes; average: 1.7–6.3 METs/min for slow walking to running) may be used to better characterize activity intensity for shorter activity bouts where steady state is not achieved (within ∼90 s). While treating each activity bout as a single intensity is a much simpler analytical procedure, characterizing each bout in a continuous manner may better reflect the true physiological responses to movement. The information provided herein may be used to improve the characterization of activity intensity, definition of bout breaks, and act as a starting point for researchers and software developers interested in using wearables to measure activity intensity.
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) | 0,000 | 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 ».