Validity of ActivPAL CREA software detection of sitting and lying during free-living conditions
Notice bibliographique
Résumé
Abstract Objective . Approaches to differentiate sitting and lying are available within the default activPAL software from a single thigh-worn monitor. Dual-monitor methods use multiple monitors positioned on the thigh and torso to characterize sitting versus lying. We evaluated the validity between these two methods to measure waking, sitting, and lying time in free-living conditions. We also examined if the degree-threshold distinguishing sitting/lying for the dual-monitor (<30° and <45°) impacted results. Approach . Thirty-five young adults (24 ± 3 years, 16 females) wore an activPAL 24 h per day on their thigh and torso during free-living conditions (average: 6.8 ± 1.0 d, 239 total). Data were processed using the default activPAL software (thigh-only) or a custom MATLAB program (dual-monitor). Main results . The single-monitor recorded less lying time (59 ± 99 min d −1 ) and more sitting time (514 ± 203 min d −1 ) than the dual-monitor method regardless of 30° (lying: 85 ± 94 min d −1 ; sitting: 488 ± 166 min d −1 ) or 45° lying threshold (lying: 170 ± 142, sitting: 403 ± 164 min d −1 ; all, p < 0.001). The single monitor lying time was weakly correlated to the dual-monitor (30°: ρ = 0.25, 45°: ρ = 0.21; both, p < 0.001), whereas sitting was moderate-strong (30°: ρ = 0.76, 45°: ρ = 0.58; both, p < 0.001). However, the mean absolute error was 81 min d −1 (30°) and 132 min d −1 (45°) for both lying and sitting. Significance . The method of differentiating sitting/lying from a single thigh-worn activPAL records more sitting time and less lying time compared to a dual-monitor configuration (regardless of degree-threshold) that considered the position of the torso. A further refinement of algorithms or implementation of multiple-monitor methods may be needed for researchers to derive detailed sedentary positions.
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 | 0,001 |
| 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 ».