Machine learning derived physical activity in preschool children with developmental coordination disorder
Notice bibliographique
Résumé
AIM: To compare the device-measured physical activity behaviours of preschool children with typical motor development to those with probable developmental coordination disorder (pDCD) and at risk for developmental coordination disorder (DCDr). METHOD: A total of 497 preschool children (4-5 years) in the Coordination and Activity Tracking in CHildren (CATCH) study completed repeated motor assessments and wore an ActiGraph GT3X on the right hip at baseline for 1 week. We calculated physical activity metrics from raw accelerometer data using a validated random forest classification machine learning model for preschool-age children. Analysis of variance (ANOVA) and linear regression models compared physical activity between typically developing children, children at risk for DCDr, and those with pDCD identified based on motor scores at baseline and averaged over time, accounting for age, sex, and accelerometer wear time. RESULTS: We found no differences in daily time spent sedentary, in light physical activity, or moderate-to-vigorous physical activity between typically developing children, children at risk for DCDr, and those with pDCD. However, children in the DCD groups spent less time doing ambulatory activities (walking/running) than typically developing children. Analysis of variance: baseline classification, DCDr to typically developing, run: F = 5.34, p = 0.005, classification averaged over time, DCDr to typically developing, walk: F = 5.82, p = 0.003. Regressions: DCDr compared to typically developing for walk: B = -3.47 (standard error 1.05), p < 0.001, pDCD compared to typically developing for run: B = -1.82 (standard error 0.62), p = 0.004. INTERPRETATION: Designing interventions for preschool children with motor difficulties targeting specific physical activity types (walk/run) may help mitigate physical activity intensity differences observed later in childhood.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».