手首装飾用加速度計データのランダムフォレストアクティビティ分類器のフィールド評価

目的：手首装飾用加速度計は、摩耗に便利であり、摩耗時間のコンプライアンスの向上に関連しています。以前の研究では、一般に、分類モデルを訓練およびテストするための振り付けの活動試験に依存していました。ただし、自由生活のコンテキストでの妥当性が現れ始めています。研究の目的は次のとおりでした。（1）手首の加速度計データのランダムな森林活動分類器を訓練およびテストする。（2）実験室データで訓練されたモデルが自由生活条件下でうまく機能するかどうかを判断します。 設計：21人の参加者（平均年齢= 27.6±6.2）は、7つのラボベースの活動試験と24時間の自由生活試験（n = 16）を完了しました。 方法：参加者は、非支配的な手首に遺伝的モニターを着用しました。10秒の非重複ウィンドウから抽出された時間と周波数ドメインの特徴を使用して、4つのアクティビティクラス（座りがち、静止+、ウォーキング、およびランニング）を認識する分類モデルをトレーニングしました。モデルのパフォーマンスは、leave-one-out-cross-validationを使用して評価されました。モデルは、24時間の自由生活試験中にR.分類器の精度を使用してランダムフォレストパッケージを使用して実装されました。 結果：ランダムフォレストアルゴリズムの全体的な分類精度は92.7％でした。座りがち、静止した+、ウォーキング、およびランニングの認識精度は、実験室プロトコルのそれぞれ80.1％、95.7％、91.7％、93.7％でした。24時間の自由生活試験中のActivalデータ（ステッピング対非ステッピング）との合意は優れており、平均して90％を超えました。ステッピング時間のICCは0.92（95％CI = 0.75-0.97）でした。ただし、感度と正の予測値は控えめでした。平均バイアスは10.3分/d（95％LOA = -46.0〜25.4min/d）でした。 結論：手首加速度計データのランダムフォレスト分類器は、制御された条件下で正確なグループレベルの予測をもたらしましたが、自由生活条件でのステップステッピング詩の非ステッピング行動を特定するのはあまり正確でした。基準測定。

OBJECTIVES: Wrist-worn accelerometers are convenient to wear and associated with greater wear-time compliance. Previous work has generally relied on choreographed activity trials to train and test classification models. However, validity in free-living contexts is starting to emerge. Study aims were: (1) train and test a random forest activity classifier for wrist accelerometer data; and (2) determine if models trained on laboratory data perform well under free-living conditions. DESIGN: Twenty-one participants (mean age=27.6±6.2) completed seven lab-based activity trials and a 24h free-living trial (N=16). METHODS: Participants wore a GENEActiv monitor on the non-dominant wrist. Classification models recognising four activity classes (sedentary, stationary+, walking, and running) were trained using time and frequency domain features extracted from 10-s non-overlapping windows. Model performance was evaluated using leave-one-out-cross-validation. Models were implemented using the randomForest package within R. Classifier accuracy during the 24h free living trial was evaluated by calculating agreement with concurrently worn activPAL monitors. RESULTS: Overall classification accuracy for the random forest algorithm was 92.7%. Recognition accuracy for sedentary, stationary+, walking, and running was 80.1%, 95.7%, 91.7%, and 93.7%, respectively for the laboratory protocol. Agreement with the activPAL data (stepping vs. non-stepping) during the 24h free-living trial was excellent and, on average, exceeded 90%. The ICC for stepping time was 0.92 (95% CI=0.75-0.97). However, sensitivity and positive predictive values were modest. Mean bias was 10.3min/d (95% LOA=-46.0 to 25.4min/d). CONCLUSIONS: The random forest classifier for wrist accelerometer data yielded accurate group-level predictions under controlled conditions, but was less accurate at identifying stepping verse non-stepping behaviour in free living conditions Future studies should conduct more rigorous field-based evaluations using observation as a criterion measure.