Validation of physical activity levels from shank-placed Axivity AX6 accelerometers
Notice bibliographique
Résumé
Abstract This cross-sectional study aimed to identify and validate cut-points for measuring physical activity using Axivity AX6 accelerometers positioned at the shank in older adults. Free-living physical activity was assessed in 35 adults aged 55 and older, where each participant wore a shank mounted Axivity and a waist mounted ActiGraph simultaneously for 72 hours. Optimized cut-points for each participant’s Axivity data were determined using an optimization algorithm to align with ActiGraph results. To assess validity between the physical activity assessments from the optimized Axivity cut-points, a leave-one-out cross validation was conducted. Bland-Altman plots with 95% limits of agreement, intraclass correlation coefficients (ICC), and mean differences were used for comparing the systems. The results indicated good agreement between the two accelerometers when classifying sedentary behaviour (ICC = 0.85) and light physical activity (ICC = 0.80), and moderate agreement when classifying moderate physical activity (ICC = 0.67) and vigorous physical activity (ICC = 0.70). Upon removal of a significant outlier, the agreement was slightly improved for sedentary behaviour (ICC = 0.86) and light physical activity (ICC = 0.82), but substantially improved for moderate physical activity (ICC = 0.81) and vigorous physical activity (ICC = 0.96). Overall, the study successfully demonstrated the capability of the resultant cut-point model to accurately classify physical activity using Axivity AX6 sensors placed at the shank.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 | 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 ».