MétaCan
Menu
← Retour à la cohorte
Enregistrement W4413276314 · doi:10.2196/73722

Comparability of Daily-Life Walking Speed Measured by Smartphone GPS and Ankle-Band Accelerometer: Cross-Sectional Study

2025· article· en· W4413276314 sur OpenAlexvenueno aff
Hisashi Kawai, Keigo Imamura, Rui Gong, Manami Ejiri, Shuichi Obuchi

Notice bibliographique

RevueJMIR Formative Research · 2025
Typearticle
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensnon disponible
Organismes subventionnairesJapan Society for the Promotion of Science
Mots-clésAccelerometerComparabilityGlobal Positioning SystemCross-sectional studyPhysical medicine and rehabilitationComputer scienceMedicineTelecommunicationsMathematics

Résumé

récupéré en direct d'OpenAlex

Background: Daily-life walking speed (DWS), which is a critical health indicator in older adults, can be measured using smartphone GPS technology. Although this method is becoming more widely accessible, it is restricted to outdoor walking. In contrast, accelerometers can capture walking speed indoors; however, there is limited information on the comparability of DWS data between these two techniques. Objective: In this study, we aimed to investigate the agreement and systematic error between DWS measured using the built-in GPS of a smartphone and an ankle-band accelerometer. Methods: Participants were recruited from a previously selected cohort of community-dwelling older adults. Their DWS was assessed using both a smartphone app and ankle band accelerometer. Data from the two devices were matched based on simultaneous recordings, and agreement between the walking speeds was evaluated using the intraclass correlation coefficient (ICC) and a Bland-Altman plot. Results: A total of 99 participants (38 men, 61 women; mean [SD] age 71.5 [4.9] y) were included, yielding 3652 paired data points. The mean (SD) DWS as measured by GPS was 1.30 (0.19) m/s, and this was significantly higher than the value of 1.12 (0.23) m/s measured by the accelerometer (P<.001). The ICC(2, 1) (95% CI) value was 0.523 (-0.022 to 0.765), and the ICC(2, k) value was 0.687 (-0.045 to 0.867). The Bland-Altman plot revealed a fixed error of 0.18 m/s with 95% limits of agreement ranging from -0.49 m/s to 0.13 m/s in the GPS-measured walking speed compared to that measured by the ankle-band accelerometer. Conclusions: The GPS app consistently recorded a faster walking speed than the ankle-band accelerometer. The agreement between the measurements of the two devices was poor. The data suggest that a correction is necessary when comparing the DWS between these two devices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,018
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,178
Tête enseignante GPT0,481
Écart entre enseignants0,303 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetPhysical Activity and Health→Travaux en français237 207→