Establishing global standards on wearable technology for measuring mobility in ageing populations: an international consensus exercise
Notice bibliographique
Résumé
BACKGROUND: Mobility, defined as movement in all its forms, is a hallmark of healthy ageing. As wearable technologies become increasingly integrated into population health surveillance and ageing research, the absence of standardised terminology, measurement protocols and reporting practices presents a major barrier to progress. This consensus exercise aimed to establish minimum standards for measuring mobility with wearable technology in ageing populations and set priorities for future research in the field. METHODS: A two-day, in-person consensus meeting was convened with 24 international experts in ageing, mobility and digital health. Using a modified nominal group technique facilitated by a trained moderator, participants engaged in structured small-group brainstorming, followed by iterative large-group discussions. Consensus was achieved through anonymised digital voting on proposed measures, principles and priorities. FINDINGS: Consensus (≥80% agreement) was reached on 20 core device-derived mobility measures and 30 guiding principles for the optimal use of wearable technology in older populations. Experts also identified and ranked 16 priority areas for future research, with the top five including: (i) longitudinal studies and data collection, (ii) digital biomarkers and health outcomes, (iii) contextual data capture, (iv) algorithm development and validation and (v) integration with healthcare systems. INTERPRETATIONS: These consensus-based standards provide a foundational framework for the consistent and transparent use of wearable devices in ageing research and practice. They can inform the development of regulations and guidelines, support harmonisation across studies and chart a path for future research to enhance the utility and impact of wearable technologies in ageing populations.
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 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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».