Assessing the criterion validity of the activPAL CREA v1.3 algorithm and ActiPASS 2023.12 software for detecting steps during a progressive treadmill-based laboratory protocol
Notice bibliographique
Résumé
Thigh-worn accelerometry is commonly implemented to measure step cadence. The default activPAL CREA algorithm is a valid measure of cadence during walking, but its validity during running is unknown. The ActiPASS software is designed to analyse tri-axial accelerometry data from various brands. We tested the validity of CREA v1.3 and ActiPASS 2023.12 to measure step cadence against manually-counted steps. Forty-five participants (26♀, 23.4 ± 4.6 years) completed 5 walking (6 min each, 2–4 mph) and 5 running treadmill (5–7 mph) stages (423 total stages completed). Based on equivalence testing, walking cadence (stages 1–5: 92–124 steps/min) from CREA was statistically equivalent (zone: <±2.2% of the manually-counted mean) to manual counts (92–125 steps/min). However, CREA underpredicted cadence during running stages (stages 6–10: 143–135 steps/min) by ~ 11–20 steps/min (p < 0.001). The ActiPASS-derived cadences were equivalent (zone: <±3.3%) to manual counts for all walking stages (99–127 steps/min) except Stage 1 (zone: ±10.5%). ActiPASS underpredicted cadences during running (stages 6–10: 137–153 steps/min) by ~ 10–16 steps/min (p < 0.001) compared to manual counts (stages 6–10: 154–164 steps/min). The CREA v1.3 algorithm is a valid measure of cadence during walking while ActiPASS 2023.12 is a valid measure of cadence during medium-fast walking. Further research is required to improve step cadence estimation across ambulation speeds.
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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».