MétaCan
Menu
Retour à la cohorte
Enregistrement W4398657943 · doi:10.7910/dvn/o7gqim

Replication Data for: Systematic Review of the Reliability and Validity of Commercially Available Wearable Devices for Measuring Steps, Energy Expenditure, and Heart Rate

2019· dataset· en· W4398657943 sur OpenAlexaff
Daniel Fuller

Notice bibliographique

RevueHarvard Dataverse · 2019
Typedataset
Langueen
DomaineEngineering
ThématiqueErgonomics and Human Factors
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésReplication (statistics)Reliability (semiconductor)Energy expenditureReliability engineeringWearable computerComputer scienceWearable technologyValidityPsychologyMedicineEmbedded systemStatisticsEngineeringMathematicsClinical psychologyPsychometricsInternal medicinePhysics

Résumé

récupéré en direct d'OpenAlex

Introduction: Consumer-wearable activity trackers are small electronic devices engineered to monitor and record fitness and health-related measures. The purpose of this systematic review is to examine the validity and reliability of commercial wearables in measuring step count, heart rate, and energy expenditure. Method: We extracted information about commercial wearable devices (e.g., price, size, battery life, sensors, measurements, algorithms) using an Internet search conducted from November 2016- January 2017. From this search we identified devices to be included in the review. Database searches were conducted in PubMed, Embase, and SPORTDiscus, and only included articles published in the English language up to May 2019. Studies were excluded if they did not identify the device used and if they did not examine the validity and/or reliability of a device. Studies including the general population and all special populations were included. We operationalized validity as criterion (as compared to other measures) and construct (degree to which device is measuring what it purports) validity. Reliability measures focused on intradevice and interdevice reliability. Results: We included 158 publications examining 9 different commercial wearable device brands. Fitbit was by far the most studied brand. In lab-based settings Fitbit, Apple, and Samsung appeared to measure steps accurately. Heart rate was more variable with Apple Watch, Garmin was the most accurate and Fitbit tended towards underestimation. For energy expenditure, no brand was accurate. We also examined validity between devices within a specific brand. Conclusion: Activity trackers are still an emerging market and the devices are constantly being upgraded and redesigned to new models, suggesting the need for more current reviews and research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,075
score de la tête « metaresearch » (Gemma)0,337
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,925
Score d'incertitude au seuil0,395

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0750,337
Méta-épidémiologie (sens strict)0,0040,003
Méta-épidémiologie (sens large)0,0170,026
Bibliométrie0,0160,018
Études des sciences et des technologies0,0030,003
Communication savante0,0080,010
Science ouverte0,0050,004
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0500,006

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.

Tête enseignante Opus0,065
Tête enseignante GPT0,264
Écart entre enseignants0,199 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeRevue systématique
DomaineMéthodes
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHarvard DataverseMême sujetErgonomics and Human FactorsTravaux en français237 207