MétaCan
Menu
Retour à la cohorte
Enregistrement W4399871970 · doi:10.2196/51210

Heart Rate Monitoring Among Breast Cancer Survivors: Quantitative Study of Device Agreement in a Community-Based Exercise Program

2024· article· en· W4399871970 sur OpenAlexvenueno aff
Lindsey L. Page, Jason Fanning, Connor J. Phipps, Ann M. Berger, Elizabeth Reed, Diane K. Ehlers

Notice bibliographique

RevueJMIR Cancer · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensnon disponible
Organismes subventionnairesNational Cancer Institute
Mots-clésMedicinePhysical therapyHeart rateAerobic exerciseExercise prescriptionBreast cancerHeart rate monitorRandomized controlled trialPhysical medicine and rehabilitationCancerBlood pressureInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background Exercise intensity (eg, target heart rate [HR]) is a fundamental component of exercise prescription to elicit health benefits in cancer survivors. Despite the validity of chest-worn monitors, their feasibility in community and unsupervised exercise settings may be challenging. As wearable technology continues to improve, consumer-based wearable sensors may represent an accessible alternative to traditional monitoring, offering additional advantages. Objective The purpose of this study was to examine the agreement between the Polar H10 chest monitor and Fitbit Inspire HR for HR measurement in breast cancer survivors enrolled in the intervention arm of a randomized, pilot exercise trial. Methods Participants included breast cancer survivors (N=14; aged 38-72 years) randomized to a 12-week aerobic exercise program. This program consisted of three 60-minute, moderate-intensity walking sessions per week, either in small groups or one-on-one, facilitated by a certified exercise physiologist and held at local community fitness centers. As originally designed, the exercise prescription included 36 supervised sessions at a fitness center. However, due to the COVID-19 pandemic, the number of supervised sessions varied depending on whether participants enrolled before or after March 2020. During each exercise session, HR (in beats per minute) was concurrently measured via a Polar H10 chest monitor and a wrist-worn Fitbit Inspire HR at 5 stages: pre-exercise rest; midpoint of warm-up; midpoint of exercise session; midpoint of cool-down; and postexercise recovery. The exercise physiologist recorded the participant’s HR from each device at the midpoint of each stage. HR agreement between the Polar H10 and Fitbit Inspire HR was assessed using Lin concordance correlation coefficient (rc) with a 95% CI. Lin rc ranges from 0 to 1.00, with 0 indicating no concordance and 1.00 indicating perfect concordance. Relative error rates were calculated to examine differences across exercise session stages. Results Data were available for 200 supervised sessions across the sample (session per participant: mean 13.33, SD 13.7). By exercise session stage, agreement between the Polar H10 monitor and the Fitbit was highest during pre-exercise seated rest (rc=0.76, 95% CI 0.70-0.81) and postexercise seated recovery (rc=0.89, 95% CI 0.86-0.92), followed by the midpoint of exercise (rc=0.63, 95% CI 0.55-0.70) and cool-down (rc=0.68, 95% CI 0.60-0.74). The agreement was lowest during warm-up (rc=0.39, 95% CI 0.27-0.49). Relative error rates ranged from –3.91% to 3.09% and were greatest during warm-up (relative error rate: mean –3.91, SD 11.92%). Conclusions The Fitbit overestimated HR during peak exercise intensity, posing risks for overexercising, which may not be safe for breast cancer survivors’ fitness levels. While the Fitbit Inspire HR may be used to estimate exercise HR, precautions are needed when considering participant safety and data interpretation. Trial Registration Clinicaltrials.gov NCT03980626; https://clinicaltrials.gov/study/NCT03980626?term=NCT03980626&rank=1

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)0,006
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,400
Écart entre enseignants0,347 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR CancerMême sujetCancer survivorship and careTravaux en français237 207