Beyond the (log)book: Comparing accelerometer non-wear detection techniques in toddlers
Notice bibliographique
Résumé
Abstract Background Accelerometers are increasingly used to measure physical activity and sedentary time in toddlers. Data cleaning or wear time validation can impact outcomes of interest, particularly in young children who spend less time awake. However, no study has systematically compared wear time validation strategies in toddlers. As such, the objective of this study is to compare different fully-automated methods of distinguishing wear and non-wear time (counts and raw data algorithms) to the semi-automated (counts with logbooks) criterion method in toddlers. Methods We recruited 109 toddlers (age 12-35 mos) as part of the iPLAY study to wear an ActiGraph w-GT3X-BT accelerometer on the right hip for ∼7 consecutive days (removed for sleep and water activities). Parents completed a logbook to indicate monitor removal and nap times. We tested 15 nonwear detection methods grouped into 4 main categories: semi-automated logbook, consecutive 0 counts, modified consecutive 0 counts (Troiano and Choi), and raw data methods (van Hees and Ahmadi). Using logbooks as the criterion standard (all wear and wake-time only wear), we calculated the accuracy and F1 scores and compared overall wear time with a two one-sided test of equivalence. Results Participant daily wear time ranged from 556 to 684 minutes/day depending on method. Accuracy and F1 score ranged from 86 to 95%. Five methods were considered equivalent to the AllWear nonwear criterion (true wear time including sleep-time wear), with only one equivalent to the AwakeWear criterion. Mean absolute differences were lower for the AllWear criterion but ranged 49 to 192 minutes/day Conclusions The 5min0count, 10min_0count, 30min_0count, Troiano60s, and Ahmadi methods provide high accuracy and equivalency when compared to semi-automated cleaning using logbooks. This paper provides insights and quantitative results that can help researchers decide which method may be most appropriate given their population of interest, sample size, and study protocol.
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 | 0,002 | 0,000 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».