Evaluating Open-Source Wrist-Worn Accelerometer Models for Sedentary Time Detection Against Thigh-Worn Accelerometer Data
Cette étude démontre que les accéléromètres portés au poignet, particulièrement lorsqu'ils sont analysés à l'aide du modèle d'apprentissage automatique ActiNet, peuvent estimer avec précision le temps sédentaire et les périodes de sédentarité prolongées en conditions de vie réelle par rapport aux données de référence portées à la cuisse, soutenant ainsi leur utilisation dans de futures recherches épidémiologiques.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
Imaginez que vous vouliez savoir combien de temps les gens passent assis au cours de leur journée. Pendant des années, les scientifiques ont utilisé un appareil de référence porté à la cuisse (comme un GPS haut de gamme pour la posture) pour faire la distinction entre la position assise, la position debout et la marche. Cependant, ces appareils à la cuisse sont coûteux et un peu encombrants à porter.
La plupart des gens portent aujourd'hui des montres connectées ou des bracelets d'activité sur leurs poignets. La grande question était : Une montre peut-elle deviner avec précision le temps que vous passez assis, ou se trompe-t-elle simplement ?
Ce document est comme un immense « test de dégustation » où les chercheurs ont comparé six différentes recettes de logiciels (algorithmes) utilisées par les montres connectées par rapport à la « référence » portée à la cuisse, pour voir laquelle dit la vérité sur le temps passé assis.
Voici le détail de leurs conclusions :
La configuration : Le « test de dégustation »
Les chercheurs ont réuni 662 adultes actifs qui portaient deux appareils en même temps pendant environ une semaine :
- Un moniteur de cuisse (l'arbitre) : Il savait exactement quand ils étaient assis car il pouvait ressentir l'angle de leur corps.
- Un moniteur de poignet (le candidat) : Il devait deviner si la personne était assise en se basant uniquement sur l'intensité des mouvements de son bras.
Ils ont testé six différentes « recettes » (programmes informatiques) qui transforment les données de mouvement du poignet en une étiquette « assis » ou « non assis ».
Les résultats : Qui a gagné ?
Considérez les six recettes comme différents chefs essayant de deviner un ingrédient secret (le temps assis) en regardant simplement le plat.
- Le Chef Étoilé (ActiNet) : Une recette, appelée ActiNet, a été la grande gagnante. C'était comme un maître chef capable de goûter le plat et de dire : « Oui, c'est définitivement assis », avec environ 87 % de précision. Elle a estimé le temps total assis, le nombre de longues sessions assises et la proportion de la journée passée dans ces longues sessions presque exactement par rapport au moniteur de cuisse.
- Les Chefs « Copier-Coller » (Modèles de seuil) : Trois autres recettes tentaient d'utiliser des règles simples (par exemple, « Si le bras bouge moins que X, alors la personne est assise »). Elles étaient correctes, mais faisaient plus d'erreurs. C'était comme utiliser un livre de recettes générique qui ne tenait pas compte de la façon dont les gens bougent leurs bras de manière différente.
- Le Chef en difficulté (Actimétrique) : Une recette a été la moins performante, confondant souvent la position assise avec d'autres activités.
La confusion du « Sommeil »
Un aspect délicat de ce test est que lorsque vous dormez, vous ne bougez pas beaucoup le bras, ce qui ressemble beaucoup à la position assise.
- Les chercheurs ont constaté que certains modèles se confondaient et comptaient le temps de sommeil comme du « temps assis ».
- Cependant, même en examinant uniquement les heures d'éveil (de 8h00 à 22h00), ActiNet restait le meilleur performeur.
Le défi de la « Position assise prolongée »
Les chercheurs ont également examiné la « position assise prolongée » (comme une longue réunion de travail ou un film).
- La plupart des modèles étaient capables de compter correctement combien de longues sessions assises ont eu lieu.
- Cependant, calculer le pourcentage de la journée passée dans ces longues sessions était plus difficile pour les modèles de poignet pour obtenir la perfection. ActiNet était le seul à rester dans la « zone de sécurité » de précision pour ce détail spécifique.
L'essentiel
Le document conclut que les montres connectées peuvent effectivement nous dire combien de temps les gens passent assis, mais seulement si l'on utilise la bonne recette de logiciel.
Si vous utilisez le modèle ActiNet, la montre connectée est un outil très fiable qui correspond étroitement au moniteur de cuisse coûteux. Si vous utilisez des règles plus anciennes et plus simples, les données pourraient être légèrement erronées. Cela donne aux scientifiques la confiance nécessaire pour utiliser les millions de montres connectées déjà existantes pour étudier comment les habitudes de position assise affectent la santé, à condition d'utiliser les meilleurs outils modernes pour lire les données.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.