The Importance of Data Quality Control in Using Fitbit Device Data From the Research Program
Notice bibliographique
Résumé
Abstract Wearable digital health technologies (DHTs) have become increasingly popular in recent years, enabling more capabilities to assess behaviors and physiology in free-living conditions. The All of Us Research Program (AoURP), a National Institutes of Health initiative that collects health-related information from participants in the United States, has expanded its data collection to include DHT data from Fitbit devices. This offers researchers an unprecedented opportunity to examine a large cohort of DHT data alongside biospecimens and electronic health records. However, there are existing challenges and sources of error that need to be considered before using Fitbit device data from the AoURP. In this viewpoint, we examine the reliability of and potential error sources associated with the Fitbit device data available through the AoURP Researcher Workbench and outline actionable strategies to mitigate data missingness and noise. We begin by discussing sources of noise, including (1) inherent measurement inaccuracies, (2) skin tone–related challenges, and (3) movement and motion artifacts, and proceed to discuss potential sources of data missingness in Fitbit device data. We then outline methods to mitigate such missingness and noise in the data. We end by considering how future enhancements to the AoURP’s Fitbit device data collection methods and the inclusion of new Fitbit data types would impact the usability of the data. Although the reliability considerations and suggested literature are tailored toward Fitbit device data in the AoURP, the considerations and recommendations are broadly applicable to data from wearable DHTs in free-living conditions.
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 | 0,551 | 0,837 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,007 | 0,010 |
| Études des sciences et des technologies | 0,005 | 0,009 |
| Communication savante | 0,014 | 0,013 |
| Science ouverte | 0,007 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».