Agreement Between TDK Silmee W22 and ActiGraph wGT3X-BT for Estimating Daily Step Counts and Moderate to Vigorous Physical Activity in Free-Living Adults: Comparative Study
Notice bibliographique
Résumé
Background: Wearable Internet of Things (IoT) devices are powerful tools for remotely collecting intensive longitudinal data. The TDK Silmee W22, a wristband-type wearable IoT device with a built-in 3-axis acceleration sensor, provides minute-by-minute physical activity data such as estimated metabolic equivalents (METs) and step counts. These measurements can be aggregated to daily estimates; however, their accuracies have not been fully explored in adults under free-living settings. Objective: This study aims to assess the agreement between the TDK Silmee W22 and the research-grade activity monitor, ActiGraph wGT3X-BT, in estimating daily steps and time spent in moderate to vigorous physical activity (MVPA ≥3 METs) in adults under free-living settings. Methods: A convenience sample of young to older adults was recruited from communities across several prefectures in Japan. Participants concurrently wore a TDK Silmee W22 on their nondominant wrist and an ActiGraph wGT3X-BT on the left side of the waist during waking hours for 7 consecutive days. Data were aggregated to daily steps and time spent in MVPA (≥1952 vertical axis counts/minute for ActiGraph) for each participant. A valid day was defined as having ≥ 10 hours of accumulated ActiGraph wear time with ≥100 and <50,000 accumulated steps from both devices. Each valid day was classified as either an active day (≥10,000 steps/day or ≥21.4 minutes MVPA per day) or an inactive day. Bland-Altman plots combined with multilevel analysis and κ statistics were used to assess the agreement between physical activity estimates from the devices. Results: A total of 129 participants (n=66, 51.2% women) aged 23-89 years provided the final dataset of 884 observations (5 to 7 daily observations/participant). The TDK Silmee W22 estimated an overall mean of 6369 (SE 242) steps/day and 40.3 (SE 1.9) minutes/day spent in MVPA. Although Bland-Altman plots suggested no obvious proportional bias, fixed biases were observed; the TDK Silmee W22 estimated -1203 steps/day (95% limits of agreement [LoA] -4202 to 1796) and +5 minutes/day (LoA-23 to 34) spent in MVPA compared with those estimated by the ActiGraph wGT3X-BT. TDK Silmee W22 and ActiGraph wGT3X-BT, respectively, classified 14% and 23.1% as active by daily step counts (κ=0.65, 95% CI 0.59-0.72), and 70.4% and 60.9% as active by daily time spent in MVPA (κ=0.64, 95% CI 0.59-0.69), both indicating moderate agreement. Conclusions: TDK Silmee W22 underestimated step counts and overestimated time spent in MVPA compared with the research-grade ActiGraph wGT3X-BT, which may lead to misclassification of active and inactive days. Caution is warranted when using TDK Silmee W22 data over relatively short periods, as discrepancies-particularly when compared with research-grade monitors-may affect feedback or goal setting.
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 | 0,007 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».