Examining the ability of two Actigraph models to detect and discriminate between low frequency movements
Notice bibliographique
Résumé
Recently, there has been a notable shift to increasingly more sedentary lifestyles, yet it remains unclear whether inexpensive accelerometers, such as those contained in Actigraph devices, can provide consistent measurements of low magnitude accelerations. This study sought to explore the ability of two Actigraph models to differentiate low frequency oscillations, in reference to higher-end accelerometers with the idle sleep mode disabled (ISM) (Part 1) and enabled (Part 2) in a controlled environment. Eight GT9X, fifteen wGT3X-BT and two higher-end accelerometers (Triaxial ICP)were mounted to a 6-degree of freedom robot, which introduced frequencies ranging from 0.5-2.0 Hz (Part 1) and 0.5-4.0 Hz (Part 2). To compare the models, the minimum, maximum and range of outputs were calculated for each of the frequencies. Part 1 revealed that the Actigraph monitors were able to detect low frequency oscillations; the captured output was similar across the different Actigraph models but was significantly greater than the higher-end devices. Part 2 demonstrated that amplitudes greater than the described 40mg (0.392 m/s2)threshold were required for the Actigraph monitors to wake up. This study demonstrates that the GT9X and wGT3X-BT Actigraph accelerometers can detect low magnitude movements when the ISM is disabled.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».