The effect of software and hardware version on Apple Watch activity measurement: A secondary analysis of the COVFIT retrospective cohort study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The objective of this study was to estimate the impact of software and hardware version on Apple Watch activity measurement using data from the COVFIT retrospective cohort study. We estimated the impact of software and hardware versions on activity measurement by comparing daily active calories and daily exercise minutes in the 7 days before and 7 days after upgrading from watchOS 5 to 6, 6 to 7, 7 to 8, 8 to 9 or between two hardware versions. For each transition, we fit mixed effect negative binomial regression models to estimate the effect of the upgrade on daily (a) exercise minutes and (b) active calories, overall and stratified by sex, with and without adjusting for weekday. We also calculated and plotted the mean person-level change in average activity levels between the two weeks. As a control, we repeated the entire analysis comparing activity data two weeks before vs. one week before each upgrade. 253 participants contributed data about at least one transition (software = 250, hardware = 74). Hardware upgrades were not associated with either outcome; however, some software upgrades were. Upgrading from watchOS 7 to 8 was associated with a large, statistically significant increase in daily exercise minutes (unadjusted rate ratio (RR) = 1.13, 95% CI: 1.06, 1.20). WatchOS 6 to 7 and 8 to 9 transitions were associated with statistically significant decreases in daily exercise minutes (6 to 7: unadjusted RR = 0.92, 95% CI: 0.86, 0.99; 8 to 9: unadjusted RR = 0.91, 95% CI: 0.86, 0.96) and active calories (6 to 7: RR = 0.96, 95% CI: 0.94, 0.99); 8 to 9: RR = 0.97, 95% CI: 0.94, 0.99). There was no significant change in either outcome during in the two-week control period for most transitions. Differences in software version over time or between people may confound physical activity analyses using Apple Watch data.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 découle