A model for presenting accelerometer paradata in large studies: ISCOLE
Notice bibliographique
Résumé
We present a model for reporting accelerometer paradata (process-related data produced from survey administration) collected in the International Study of Childhood Obesity Lifestyle and the Environment (ISCOLE), a multi-national investigation of >7000 children (averaging 10.5 years of age) sampled from 12 different developed and developing countries and five continents. ISCOLE employed a 24-hr waist worn 7-day protocol using the ActiGraph GT3X+. Checklists, flow charts, and systematic data queries documented accelerometer paradata from enrollment to data collection and treatment. Paradata included counts of consented and eligible participants, accelerometers distributed for initial and additional monitoring (site specific decisions in the face of initial monitoring failure), inadequate data (e.g., lost/malfunction, insufficient wear time), and averages for waking wear time, valid days of data, participants with valid data (≥4 valid days of data, including 1 weekend day), and minutes with implausibly high values (≥20,000 activity counts/min). Of 7806 consented participants, 7372 were deemed eligible to participate, 7314 accelerometers were distributed for initial monitoring and another 106 for additional monitoring. 414 accelerometer data files were inadequate (primarily due to insufficient wear time). Only 29 accelerometers were lost during the implementation of ISCOLE worldwide. The final locked data file consisted of 6553 participant files (90.0% relative to number of participants who completed monitoring) with valid waking wear time, averaging 6.5 valid days and 888.4 minutes/day (14.8 hours). We documented 4762 minutes with implausibly high activity count values from 695 unique participants (9.4% of eligible participants and <0.01% of all minutes). Detailed accelerometer paradata is useful for standardizing communication, facilitating study management, improving the representative qualities of surveys, tracking study endpoint attainment, comparing studies, and ultimately anticipating and controlling costs. ClinicalTrials.gov: NCT01722500
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 | 0,302 | 0,522 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,004 | 0,010 |
| Bibliométrie | 0,011 | 0,013 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,012 | 0,019 |
| Science ouverte | 0,008 | 0,013 |
| Intégrité de la recherche | 0,008 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,009 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».