A smartphone-driven methodology for

A smartphone-driven methodology for estimating physical activities and energy expenditure in free living conditions Romain Guidouxa, Martine Duclosa,b, Gérard Fleuryc, Philippe Lacommed, Nicolas Lamaudièreb, Pierre-Henri Manenqe, Ludivine Parisa, Libo Rend, Sylvie Rousseta,⇑ aINRA, Unité de Nutrition Humaine UMR 1019, CRNH d’Auvergne, 63009 Clermont-Ferrand, France bCHU Clermont Ferrand, Serv Med Sport & Explorat Fonct, 63003 Clermont Ferrand, France cLaboratoire de Mathématiques (UMR CNRS 6620), Campus des Cézeaux, 63177 Aubière Cedex, France dLaboratoire d’Informatique (LIMOS, UMR CNRS 6158), Campus des Cézeaux, 63177 Aubière Cedex, France eAlmerys, 46 rue du Ressort, 63967 Clermont-Ferrand Cedex 9, France
a r t i c l e i n f o
Article history: Received 11 April 2014 Accepted 9 July 2014 Available online xxxx
Keywords: Energy expenditure estimation Physical activity Smartphone accelerometers Normal-weight subjects Actiheart Armband
abstract
This paper introduces a function dedicated to the estimation of total energy expenditure (TEE) of daily activities based on data from accelerometers integrated into smartphones. The use of mass-market sen- sors such as accelerometers offers a promising solution for the general public due to the growing smart- phone market over the last decade. The TEE estimation function quality was evaluated using data from intensive numerical experiments based, first, on 12 volunteers equipped with a smartphone and two research sensors (Armband and Actiheart) in controlled conditions (CC) and, then, on 30 other volunteers in free-living conditions (FLC). The TEE given by these two sensors in both conditions and estimated from the metabolic equivalent tasks (MET) in CC served as references during the creation and evaluation of the function. The TEE mean gap in absolute value between the function and the three references was 7.0%, 16.4% and 2.7% in CC, and 17.0% and 23.7% according to Armband and Actiheart, respectively, in FLC. This isthe firststepinthedefinitionofanewfeedbackmechanism thatpromotes self-managementanddaily- efficiency evaluation of physical activity as part of an information system dedicated to the prevention of chronic diseases.  2014 Elsevier Inc. All rights reserved.
1. Introduction
In recent years, obesity and type 2 diabetes have become emer- gent epidemics in Western countries. One of the main reasons is the imbalance between energy intake and TEE, which is the conse- quence of poor dietary habits and lack of physical activity. Knowledge of TEE and, in particular, quantification of daily physical activity, could improve personal health through better management of energy balance and thus weight. That is why the estimation of TEE variations in free-living conditions over one day and on a day-to-day basis is of major interest in clinical trials as well as for individual use. This paper aims to introduce a predic- tive function for the estimation of total energy expenditure under current living conditions using dedicated mass-market sensors similar to those found in widespread smartphones and tablets.
1.1. Reference methods to estimate TEE in free-living conditions
There are two reference methods to measure TEE: indirect calorimetry based on gas exchange (IC), and doubly-labeled water (DLW). In the first one, the TEE is calculated from Weir’s equation, taking oxygen consumption and carbon dioxide production into account [1]. This method requires sophisticated laboratory equip- ment in controlled measurement conditions (calorimetric rooms or facemasks for short periods). The second method requires a bio- chemicaltechniquethatinvolves the intakeof twotracers (18O and 2H), followed by the collection of urine samples for 10–14 days. The disappearance of those tracers makes it possible to evaluate the CO2 production and thus provides an evaluation of the TEE. This method is well-designed for TEE evaluation in FLC. Both methods have the potential to be used for accurate non- invasiveroutinesbuttheyinvolvecostlymedicalmaterial,andbio- chemicalanalysesarenotfeasibleinthecontextofepidemiological studies. Mellone et al. therefore focused on mass-market sensors, similar to the smartphone sensor [2], as a second research priority. The authors reported that measurement systems could use mobile
http://dx.doi.org/10.1016/j.jbi.2014.07.009 1532-0464/ 2014 Elsevier Inc. All rights reserved.
⇑ Corresponding author. E-mail address: [e-mail] (S. Rousset).
Journal of Biomedical Informatics xxx (2014) xxx–xxx
Contents lists available at ScienceDirect
Journal of Biomedical Informatics
journal homepage: www.elsevier.com/locate/yjbin
Please cite this article in press as: Guidoux R et al. A smartphone-driven methodology for estimating physical activities and energy expenditure in free living conditions. J Biomed Inform (2014), http://dx.doi.org/10.1016/j.jbi.2014.07.009
phones that are the most ubiquitous consumer electronic device in the world.
1.2. TEE estimation using dedicated electronic sensors
Some recent dedicated electronic devices have obtained good results for estimating TEE by using several sensors for monitoring variables such as heart rate, body acceleration, body temperature, heat flux and impedance. Thus, Actiheart and Armband have received a great deal of attention in various experimental condi- tions. However, Actiheart was evaluated and compared to the DLW method only three times in free-living conditions [3–5]. The gap between TEE estimation and DLW was9.1±5.1kJkg1 day1, 6.8 ±26.3 kJ kg1 day1 and 5.0 ±16.2 kJ kg1 day1 when the group calibration was used in the studies [3–5], respectively. Armband sensors are commonly used in free-living conditions and provide appropriate estimation of TEE (0.4 kJkg1 day1 [6], 0.6 ± 4.1 kJ kg1 day1 [4]), except in the case of some inten- sive physical activities performed by athletes [7]. Other sensor devices such as Actigraph, Actical and RT3 that predict TEE from accelerometers only have emerged since the 1990s. They are older, simpler and cheaper than Armband and Actiheart. However, accel- erometry results did not yield accurate estimations of TEE across a range of activities. Indeed, Lyden et al. showed that devices using accelerometer signals averaged over a one-minute-period may obtain similar results for two different activities such as walking and boxing [8]. The technology of accelerometry devices that esti- mate TEE has changed since then. Some of them use additional sensors. For all these recent orolder devices, the experimentaldata collection generates strong constraints on the population size and onthelocationofvolunteerswhohavetocometothelaboratoryto be equipped. An alternative device to these research sensors could be developed in the perspective of studying the physical activity of cohorts at a low cost.
1.3. TEE evaluation with smartphone accelerometers
Since smartphones are basically mobile computers and are widespread among the general population, they offer a convenient alternative to standard data gathering systems and promote new approaches that contribute to redefining medical education and information distribution, especially if we consider the variety of medical domains covered by publications over the last five years. As stressed by Mellone [2], smartphones are attractive for deliver- ing health information for the following reasons: (1) the wide- spread adoption of phones with increasingly powerful capabilities; (2) the fact that people tend to carry their phones everywhere; (3) people’s attachment to their phones; and (4) con- text awareness features that are enabled through sensing and phone-based personal information [9]. Smartphones now encom- pass but are not limited to: a camera, altitude and three-dimen- sional coordinates provided by the GPS and accelerometers [10]. However, as stressed by numerous authors [10], since long-term monitoring using a smartphone is wireless, it could require peri- odic power supply. Nevertheless, smartphone applications have received a considerable amount of attention in medical science. To estimate physical activity TEE, it is necessary to recognize activity intensities. Several recent studies deal with physical activ- ity recognition from accelerometry data collected by smartphones [11–14]. Activity recognition rates were phone-position-depen- dent in [11,12]. This methodology induced a strong constraint for the accurate smartphone position that could affect the results if the phone is not correctly worn. Thus, the initial fixed smartphone position is a major disadvantage in free-living conditions. Anjum and Ilyas collected data with a phone placed in the hand, pants pocket, shirt pocket and handbag [11]. This sophisticated method
to measure the periodicity of movements was used for short peri- ods. This method of calculation used by [12] would quickly con- sume not only the battery power but the mobile CPU as well when applied for long recording periods (12h). Our research encompasses the definition of a function using a smartphone’s accelerometer without any assumption about its ini- tial positionin the X–Y–Z frameworkbecause its informationis the major constraint for its use in free-living conditions. When people wear a smartphonein a pants pocket, its position cannot be known with certainty. However, in some previous research on this topic, the TEE estimation depended on the phone’s position. The performance of the proposed function was compared to the TEE calculated from the sum of the metabolic equivalent tasks (MET) in controlled conditions (CC) [15], and the TEE provided by the Armband and the Actiheart in both CC and FLC. The experi- ments were carried out with 12 volunteers in CC (3.5 h) and 30 volunteers in FLC for approximately 12 h.
2. Method
2.1. Normal-weight subjects
The large number of applicants allowed us to make two groups referred to as CC and FLC that were similar in age (from 18 to 60years old), weight, hei

ผลลัพธ์ (ไทย) 1:

วิธีขับเคลื่อนสมาร์ทโฟนสำหรับการประเมินกิจกรรมทางกายภาพและการจ่ายพลังงานในสภาพความเป็นอยู่อิสระอย่างไร Romain Guidouxa, Martine Duclosa, b, Gérard Fleuryc, Philippe Lacommed, Nicolas Lamaudièreb, Henri Pierre Manenqe, Ludivine Parisa, Libo Rend, Sylvie Rousseta ⇑ aINRA โภชนาการเด Unité Humaine UMR 1019, CRNH d'Auvergne, bCHU ฝรั่งเศสเคลอมองต์-เฟอร์รัลด์ 63009 Clermont Ferrand บริการ กีฬา Med และ Explorat Fonct, 63003 Clermont Ferrand, cLaboratoire ฝรั่งเศสเดอ Mathématiques (UMR CNRS 6620)วิทยาเขตเด Cézeaux, d'Informatique dLaboratoire Aubière Cedex ฝรั่งเศส (LIMOS, UMR CNRS 6158) วิทยาเขต des Cézeaux, 63177 eAlmerys Aubière Cedex ฝรั่งเศส 63177 46 rue du วิวที่ 63967 เคลอมองต์-เฟอร์รัลด์ Cedex 9 ฝรั่งเศสr t ฉัน c l e ฉัน n f oบทความประวัติ: ได้รับ 11 2014 เมษายน xxxx ออนไลน์ 9 2014 กรกฎาคมมีการยอมรับคำสำคัญ: พลังงานรายจ่ายประเมินกิจกรรมทางกายภาพโฟนหัวเรื่องปกติน้ำหนักปลอกแขน Actiheartบทคัดย่อเอกสารนี้แนะนำฟังก์ชันการประมาณการรายจ่ายพลังงานรวม (ตี๋) ของกิจกรรมประจำวันโดยใช้ข้อมูลจากหัวรวมอยู่ในสมาร์ทโฟน การใช้ mass-market เซน-sors เช่นหัวมีปัญหาสัญญาสำหรับประชาชนทั่วไปเนื่องจากตลาดโทรศัพท์สมาร์ทเติบโตมากกว่าทศวรรษ ฟังก์ชันคุณภาพถูกประเมินโดยใช้ข้อมูลจากการทดลองเป็นตัวเลขแบบเร่งรัดโดยประเมินที first อาสาสมัคร 12 พร้อมกับสมาร์ทโฟนและวิจัยสองเซนเซอร์ (ปลอกแขนและ Actiheart ในสภาพควบคุม (CC)) และ แล้ว ในอาสาสมัคร 30 สภาพ free-living (FLC) ทีกำหนด โดยเซนเซอร์เหล่านี้สองในเงื่อนไขทั้งสอง และประเมินจากการเผาผลาญเทียบเท่างาน (MET) ใน CC บริการเป็นข้อมูลอ้างอิงในระหว่างการสร้างและประเมินผลการทำงาน ทีช่องว่างหมายถึงค่าสัมบูรณ์ระหว่างฟังก์ชันและการอ้างอิงสามเป็น 7.0%, 16.4% และ 2.7% ใน CC และ 17.0% และ 23.7% ตามปลอกแขนและ Actiheart ตามลำดับ ใน FLC นี้เป็นการประเมินตนเอง-managementanddaily-efficiency thatpromotes firststepinthedefinitionofanewfeedbackmechanism กิจกรรมทางกายภาพที่เป็นส่วนหนึ่งของระบบข้อมูลเพื่อการป้องกันโรคเรื้อรัง 2014 Elsevier อิงค์ สงวนลิขสิทธิ์ทั้งหมด1. บทนำในปีที่ผ่านมา โรคอ้วนและโรคเบาหวานชนิดที่ 2 ได้เป็น โรคระบาด emer สเทอเรียเคนท์ในประเทศตะวันตก หนึ่งในเหตุผลหลักคือความไม่สมดุลระหว่างพลังงานที่บริโภคและที quence conse ของอุปนิสัยที่ไม่ดีและขาดกิจกรรมทางกายภาพที่ ความรู้ที และ โดย เฉพาะ quantification ประจำวันกิจกรรมทางกายภาพ สามารถปรับปรุงสุขภาพผ่านการบริหารพลัง และน้ำหนักดีกว่า นั่นคือเหตุผลที่การประเมินรูปแบบทีสภาพ free-living กว่าหนึ่งวัน และ ในแต่ละวันเป็นสำคัญสนใจในคลินิกเช่นสำหรับใช้แต่ละ เอกสารนี้มีวัตถุประสงค์เพื่อแนะนำฟังก์ชัน predic tive สำหรับการประเมินค่าใช้จ่ายพลังงานภายใต้สภาพชีวิตปัจจุบันที่ใช้เซ็นเซอร์ที่ mass-market เฉพาะคล้ายกับที่พบในแท็บเล็ตและสมาร์ทโฟนอย่างแพร่หลาย1.1. อ้างอิงวิธีการประเมินทีสภาพ free-livingมีสองวิธีการอ้างอิงเพื่อวัดที: calorimetry ทางอ้อมขึ้นอยู่กับการแลกเปลี่ยนก๊าซ (IC), และป้ายสองเหตุการณ์น้ำ (DLW) ใน first หนึ่ง ทีการคำนวณสมการของฝาย การผลิตก๊าซคาร์บอนไดออกไซด์และปริมาณของออกซิเจนเป็นต้น [1] วิธีนี้ต้องใช้ห้องปฏิบัติการที่ซับซ้อนให้ติดขัดในวัดควบคุมเงื่อนไข (ห้อง calorimetric หรือ facemasks สำหรับรอบระยะเวลาสั้น) วิธีสองต้องเป็นไบ-chemicaltechniquethatinvolves intakeof twotracers (18O และ 2H), ตามเก็บตัวอย่างปัสสาวะ 10 – 14 วัน การสูญหายของ tracers เหล่านั้นช่วยให้สามารถประเมินการผลิต CO2 และจึง ให้ผลทีนี้ วิธีนี้จะดีสำหรับประเมินผลที FLC ทั้งสองวิธีอาจจะใช้สำหรับความถูกต้องไม่ใช่-invasiveroutinesbuttheyinvolvecostlymedicalmaterial, andbio-chemicalanalysesarenotfeasibleinthecontextofepidemiological การศึกษา Mellone et al. จึงเน้นในเซนเซอร์ mass-market คล้ายกับสมาร์ทโฟนเซ็นเซอร์ [2], เป็นสำคัญงานวิจัยที่สอง ผู้เขียนรายงานว่า ระบบการวัดสามารถใช้โทรศัพท์มือถือhttp://dx.doi.org/10.1016/j.jbi.2014.07.009 1532-0464 / 2014 Elsevier อิงค์ สงวนลิขสิทธิ์ทั้งหมดผู้⇑ Corresponding ที่อยู่อีเมล์: [e-mail] (Rousset s ได้)สมุดรายวันของสารสนเทศทางชีวการแพทย์ (2014) xxx xxx-xxxเนื้อหารายการ ScienceDirectสมุดรายวันของสารสนเทศทางชีวการแพทย์หน้าแรกของสมุดรายวัน: www.elsevier.com/ ค้น หา/yjbinกรุณาอ้างอิงบทความนี้ในข่าวเป็น: Guidoux R et al เป็นสมาร์ทโฟนที่ขับเคลื่อนวิธีสำหรับการประเมินกิจกรรมทางกายภาพและการจ่ายพลังงานในสภาพความเป็นอยู่อิสระ J Biomed แจ้ง (2014) http://dx.doi.org/10.1016/j.jbi.2014.07.009โทรศัพท์ที่มีอุปกรณ์อิเล็กทรอนิกส์ผู้บริโภคแพร่หลายมากที่สุดในโลก1.2 การประเมินโดยใช้เซ็นเซอร์อิเล็กทรอนิกส์เฉพาะทีอุปกรณ์อิเล็กทรอนิกส์เฉพาะบางล่าสุดได้รับผลลัพธ์ที่ดีสำหรับการประเมินทีโดยใช้เซ็นเซอร์หลายตัวแปรเช่นอัตราการเต้นหัวใจ ตัวเร่ง อุณหภูมิร่างกาย ความร้อน flux และความต้านทานการตรวจสอบ ดังนั้น Actiheart และปลอกแขนได้รับความสนใจมากทดลองต่าง ๆ tions เบาะ ๆ ว่าพวกเขา อย่างไรก็ตาม Actiheart ถูกประเมิน และเปรียบเทียบกับวิธี DLW สามครั้งในเงื่อนไข free-living [3-5] ช่องว่างระหว่างการประเมินทีและ DLW มี 9.1±5.1kJkg 1 วัน 1, 6.8 ±26.3 kJ กก. 1 วัน 1 และ 5.0 ±16.2 kJ กก. 1 วัน 1 เมื่อเทียบกลุ่มที่ใช้ในการศึกษา [3-5], ตามลำดับ ปลอกแขนเซ็นเซอร์ใช้ในเงื่อนไข free-living และให้ประเมินความเหมาะสมที (0.4 kJkg 1 วัน 1 [6] 0.6 ± 4.1 kg kJ 1 วัน 1 [4]), ยกเว้นในกรณีที่บาง inten-sive กิจกรรมทางกายภาพที่ดำเนินการ โดยนักกีฬา [7] อุปกรณ์เซ็นเซอร์อื่น ๆ เช่น Actigraph, Actical และ RT3 ที่ทำนายทีจากหัวเท่านั้นมีปรากฏขึ้นตั้งแต่ปี 1990 จะเก่ากว่า ง่ายกว่า และถูกกว่าปลอกแขนและ Actiheart อย่างไรก็ตาม แอกเซล erometry ผลลัพธ์ได้ไม่ผลผลิตประเมินความถูกต้องของทีข้ามช่วงของกิจกรรม จริง ๆ Lyden และ al. พบว่า อุปกรณ์ที่ใช้ตรวจสัญญาณ averaged หนึ่งนาทีเวลาอาจได้รับผลลัพธ์คล้ายกันสองกิจกรรมต่าง ๆ เช่นเดินและมวย [8] เทคโนโลยีของอุปกรณ์ accelerometry ที่มีการเปลี่ยนแปลงทีเมท esti ตั้งแต่นั้น บางส่วนของพวกเขาใช้เซนเซอร์เพิ่มเติม สำหรับอุปกรณ์ทั้งหมดเหล่านี้ล่า orolder คอลเลกชัน experimentaldata สร้างข้อจำกัดประชากรของแรงขนาดและ onthelocationofvolunteerswhohavetocometothelaboratoryto สามารถติดตั้ง มีอุปกรณ์ทดแทนการวิจัยเซ็นเซอร์เหล่านี้สามารถได้รับการพัฒนาในมุมมองของการศึกษากิจกรรมทางกายภาพของ cohorts ที่มีต้นทุนต่ำ1.3 การประเมิน TEE ด้วยสมาร์ทโฟนหัวเนื่องจากสมาร์ทโฟนคือ คอมพิวเตอร์โทรศัพท์มือถือโดยทั่วไป และมีแพร่หลายในหมู่ประชากรทั่วไป พวกเขามีทางเลือกสะดวกเพื่อรวบรวมระบบข้อมูลมาตรฐาน และส่งเสริมการศึกษา redefining และแจกจ่ายข้อมูล ใหม่ ๆ โดยเฉพาะอย่างยิ่งถ้าเราพิจารณาหลากหลายโดเมนทางการแพทย์ที่ครอบคลุมสิ่งพิมพ์ช่วงปี five สมาร์ทโฟนที่เน้น โดย Mellone [2], จะน่าสนใจสำหรับกำลังส่งข้อมูลสุขภาพเหตุผลต่อไปนี้: (1) ยอมรับวงกว้างของโทรศัพท์มีความสามารถมีประสิทธิภาพมากขึ้น (2)ความจริงที่คนมักจะ มีโทรศัพท์ของพวกเขาทุก (3) คนที่แนบมากับโทรศัพท์ของพวกเขา และคุณลักษณะการรับรู้ข้อความคอน (4) ที่เปิดใช้งานผ่านทางไร้สาย และโทรศัพท์ตามข้อมูลส่วนบุคคล [9] สมาร์ทโฟนตอนนี้ผ่าน encom แต่ไม่จำกัด: กล้อง ความสูง และสาม-dimen-sional พิกัดจีพีเอสและหัว [10] อย่างไรก็ตาม เน้น โดยผู้เขียนมากมาย [10], ตั้งแต่ระยะยาวตรวจสอบโดยใช้สมาร์ทโฟนเป็นไร้สาย คุณอาจต้อง peri - odic ไฟได้ อย่างไรก็ตาม โปรแกรมประยุกต์ของสมาร์ทโฟนได้รับยอดเงินจำนวนมากสนใจในวิทยาศาสตร์การแพทย์ การประเมินกิจกรรมทางกายภาพที ได้รับรู้กิจกรรมปลดปล่อยก๊าซ หลายการศึกษาล่าสุดจัดการกับรู้จริง activ-ity จากข้อมูล accelerometry ที่รวบรวม โดยสมาร์ทโฟน [11-14] กิจกรรมการรู้ราคาถูกราคาโทรศัพท์ตำแหน่ง-depen-เด็นท์ใน [11,12] วิธีนี้ทำให้เกิดข้อจำกัดสำหรับตำแหน่งสมาร์ทโฟนที่ถูกต้องที่อาจมีผลต่อผลลัพธ์ถ้าโทรศัพท์ไม่ถูกต้องผม แข็งแรง ดังนั้น ตำแหน่งสมาร์ทโฟน fixed เริ่มต้นเป็นข้อเสียเปรียบสำคัญในเงื่อนไข free-living Anjum และ Ilyas เก็บรวบรวมข้อมูลกับโทรศัพท์อยู่ในมือ กระเป๋ากางเกง กระเป๋าเสื้อ และกระเป๋า [11] วิธีนี้มีความซับซ้อนวัดประจำงวดของการเคลื่อนไหวใช้สำหรับเพียง peri - ods นี้วิธีการคำนวณที่ใช้ [12] จะรวดเร็วคอน sume ไม่เพียงแต่พลังงานในแบตเตอรีแต่ CPU มือถือเช่นเมื่อใช้นานบันทึกรอบ (12h) วิจัยของเราครอบคลุม definition ของฟังก์ชันใช้ตรวจของสมาร์ทโฟนไม่ มีสมมติฐานใด ๆ เกี่ยวกับของ ini-tial positionin frameworkbecause X – Y – Z informationis ของข้อจำกัดที่สำคัญสำหรับการใช้ในเงื่อนไข free-living เมื่อคนสวม smartphonein กระเป๋ากางเกง ตำแหน่งที่ไม่รู้จักกัน ด้วยแน่นอน อย่างไรก็ตาม ในการวิจัยบางอย่างก่อนหน้านี้ในหัวข้อนี้ การประเมินทีขึ้นอยู่กับตำแหน่งของโทรศัพท์ ประสิทธิภาพของการทำงานนำเสนอถูกเปรียบเทียบกับทีที่คำนวณจากผลรวมของการเผาผลาญเทียบเท่างาน (MET) ในสภาพควบคุม (CC) [15], และทีปลอกแขนและ Actiheart ใน CC และ FLC Experi-ments ถูกดำเนินกับอาสาสมัคร 12 ใน CC (3.5 h) และอาสาสมัคร 30 ใน FLC สำหรับประมาณ 12 h2. วิธี2.1 หัวข้อน้ำหนักปกติของผู้สมัครให้เราทำให้กลุ่มสองเรียกว่า CC และ FLC ที่คล้ายกันในยุค (จาก 18 ไป 60years เก่า) น้ำหนัก ไห่

ผลลัพธ์ (ไทย) 2:

วิธีการมาร์ทโฟนที่ขับเคลื่อนด้วยสำหรับการประเมินกิจกรรมการออกกำลังกายและการใช้พลังงานในสภาพความเป็นอยู่ฟรีโร Guidouxa, มาร์ Duclosa b, เจราล Fleuryc, ฟิลิปป์ Lacommed, นิโคลัสLamaudièrebปิแอร์อองรี Manenqe, Ludivine Parisa, Libo ฉีก, ซิลวี Rousseta, ⇑ aINRA, Unitéเดโภชนาการ Humaine UMR 1019, CRNH d'Auvergne, 63009 Clermont-Ferrand ฝรั่งเศส bCHU Clermont Ferrand, Serv Med กีฬาและ EXPLORAT Fonct, 63003 Clermont Ferrand, ฝรั่งเศส cLaboratoire de Mathématiques (UMR CNRS 6620) วิทยาเขตเดCézeaux, 63177 Aubière Cedex , ฝรั่งเศส dLaboratoire d'Informatique (Limos, UMR CNRS 6158) วิทยาเขตเดCézeaux, 63177 Aubière Cedex, ฝรั่งเศส eAlmerys, 46 Rue Du Ressort, 63967 Clermont-Ferrand Cedex 9, ฝรั่งเศส
rticleinfo
ประวัติศาสตร์บทความ: ได้รับ 11 เมษายน 2014 ได้รับการยอมรับ 9 กรกฎาคม 2014 จำหน่าย xxxx ออนไลน์
คำสำคัญ: การประเมินค่าใช้จ่ายพลังงานการออกกำลังกายมาร์ทโฟนการเร่งความเร็วที่มีน้ำหนักปกติวิชา Actiheart สายรัดแขน
นามธรรม
กระดาษนี้จะแนะนำการทำงานทุ่มเทให้กับการประมาณการของค่าใช้จ่ายพลังงานทั้งหมด (TEE) ของกิจกรรมประจำวันบนพื้นฐานของข้อมูลที่ได้จากการเร่งความเร็วแบบบูรณาการเป็นมาร์ทโฟน การใช้ Sors มวลตลาด sen- เช่น accelerometers นำเสนอโซลูชั่นที่มีแนวโน้มสำหรับประชาชนทั่วไปเนื่องจากการเจริญเติบโตของตลาดโทรศัพท์ Smart-กว่าทศวรรษที่ผ่านมา ที่มีคุณภาพฟังก์ชั่นการประมาณการ TEE ถูกประเมินโดยใช้ข้อมูลจากการทดลองที่เป็นตัวเลขเข้มข้นตาม Fi ครั้งแรกในวันที่ 12 อาสาสมัครพร้อมกับมาร์ทโฟนและสองเซ็นเซอร์การวิจัย (สายรัดแขนและ Actiheart) ในสภาวะควบคุม (CC) และแล้วในวันที่ 30 อาสาสมัครคนอื่น ๆ ในอิสรภาพ สภาพความเป็นอยู่ (FLC) TEE ที่ได้รับจากทั้งสองเซ็นเซอร์ในสภาพที่ทั้งสองและประเมินจากงานที่เทียบเท่าการเผาผลาญ (MET) ในซีซีทำหน้าที่เป็นข้อมูลอ้างอิงในระหว่างการสร้างและการประเมินผลการทำงานของ TEE ช่องว่างเฉลี่ยในค่าสัมบูรณ์ระหว่างการทำงานและการอ้างอิงสามเป็น 7.0%, 16.4% และ 2.7% ในปี CC และ 17.0% และ 23.7% ตามสายรัดแขนและ Actiheart ตามลำดับใน FLC นี้ isthe ไฟ rststepinthede nitionofanewfeedbackmechanism ไฟ thatpromotes การประเมินผลการขาดธาตุไฟ EF ตนเอง managementanddaily- ของการออกกำลังกายเป็นส่วนหนึ่งของระบบสารสนเทศที่อุทิศตนเพื่อการป้องกันโรคเรื้อรัง ? 2014 เอลส์อิงค์สงวนลิขสิทธิ์
1 บทนำ
ในปีที่ผ่านมาโรคอ้วนและเบาหวานชนิดที่ 2 ได้กลายเป็นโรคระบาดสุภาพบุรุษ emer- ในประเทศตะวันตก หนึ่งในเหตุผลหลักคือความไม่สมดุลระหว่างการบริโภคพลังงานและ TEE ซึ่งเป็นลําดับ conse- ของพฤติกรรมการบริโภคอาหารที่ไม่ดีและขาดการออกกำลังกาย ความรู้เกี่ยวกับ TEE และโดยเฉพาะอย่างยิ่งไอออนบวกไฟ quanti ของการออกกำลังกายในชีวิตประจำวันสามารถปรับปรุงสุขภาพส่วนบุคคลผ่านการจัดการที่ดีขึ้นของสมดุลพลังงานและน้ำหนักจึง นั่นคือเหตุผลที่การประมาณการของการเปลี่ยนแปลงในสภาพ TEE ฟรีชีวิตกว่าหนึ่งวันและในแต่ละวันต่อวันเป็นที่น่าสนใจที่สำคัญในการทดลองทางคลินิกเช่นเดียวกับการใช้งานของแต่ละบุคคล บทความนี้มีวัตถุประสงค์เพื่อแนะนำการทำงานเชิงคาดการณ์ว่าจะสำหรับการประมาณค่าใช้จ่ายพลังงานทั้งหมดที่อยู่ภายใต้สภาพความเป็นอยู่ในปัจจุบันโดยใช้เซ็นเซอร์เฉพาะมวลตลาดที่คล้ายกับที่พบในมาร์ทโฟนและแท็บเล็แพร่หลาย
1.1 วิธีการอ้างอิงในการประเมิน TEE ในสภาพฟรีชีวิต
มีสองวิธีการอ้างอิงในการวัด TEE คือ calorimetry อ้อมขึ้นอยู่กับการแลกเปลี่ยนก๊าซ (IC) และน้ำทวีคูณติดฉลาก (DLW) ในครั้งแรกไฟหนึ่ง TEE คำนวณจากสมการฝายของการใช้ออกซิเจนและคาร์บอนไดออกไซด์ผลิตเข้าบัญชี [1] วิธีนี้ต้องใช้ห้องปฏิบัติการที่มีความซับซ้อนชุดเครื่องติดขัดในเงื่อนไขการวัดการควบคุม (ห้องเผาไหม้แคลอรีหรือหน้ากากสำหรับรอบระยะเวลาสั้น) วิธีที่สองต้อง chemicaltechniquethatinvolves ชีวภาพ twotracers intakeof (18O และ 2H) ตามด้วยการเก็บตัวอย่างปัสสาวะสำหรับ 10-14 วัน การหายตัวไปของสืบหาผู้ที่ทำให้มันเป็นไปได้ในการประเมินการผลิต CO2 จึงให้การประเมินผลการ TEE วิธีนี้การออกแบบที่ดีสำหรับการประเมินผล TEE ใน FLC ทั้งสองวิธีมีศักยภาพที่จะนำมาใช้สำหรับ invasiveroutinesbuttheyinvolvecostlymedicalmaterial ไม่ถูกต้อง andbio- ศึกษา chemicalanalysesarenotfeasibleinthecontextofepidemiological Mellone และคณะ จึงมุ่งเน้นไปที่เซ็นเซอร์มวลตลาดคล้ายกับเซ็นเซอร์มาร์ทโฟน [2] เป็นลำดับความสำคัญงานวิจัยที่สอง ผู้เขียนรายงานว่าระบบการวัดสามารถใช้มือถือ
http://dx.doi.org/10.1016/j.jbi.2014.07.009 1532-0464 /? 2014 เอลส์อิงค์สงวนลิขสิทธิ์
⇑ผู้เขียนสอดคล้องกัน E-mail address: [e-mail] (เอส Rousset)
วารสารสารสนเทศชีวการแพทย์ xxx (2014) xxx-xxx
รายการเนื้อหาที่มีอยู่ใน ScienceDirect
วารสารสารสนเทศชีวการแพทย์
หน้าแรกวารสาร: www.elsevier.com/locate/yjbin
กรุณาอ้างอิงบทความในหนังสือพิมพ์นี้เป็น: Guidoux R และคณะ วิธีการมาร์ทโฟนที่ขับเคลื่อนด้วยสำหรับการประเมินกิจกรรมการออกกำลังกายและการใช้พลังงานในสภาพความเป็นอยู่ฟรี J Biomed แจ้ง (2014), http://dx.doi.org/10.1016/j.jbi.2014.07.009
โทรศัพท์มือถือที่เป็นอุปกรณ์อิเล็กทรอนิกส์ที่แพร่หลายมากที่สุดของผู้บริโภคในโลก
1.2 ประมาณ TEE โดยใช้เซ็นเซอร์อิเล็กทรอนิกส์เฉพาะ
บางอุปกรณ์อิเล็กทรอนิกส์ที่ผ่านมาโดยเฉพาะการได้รับผลลัพธ์ที่ดีสำหรับการประเมิน TEE โดยใช้เซ็นเซอร์หลายตัวแปรเช่นการตรวจสอบอัตราการเต้นหัวใจเร่งร่างกายอุณหภูมิของร่างกายความร้อนชั้น UX และความต้านทาน ดังนั้น Actiheart และสายรัดแขนได้รับการจัดการที่ดีของความสนใจในสภาวะต่างๆทดลอง อย่างไรก็ตาม Actiheart ถูกประเมินและเมื่อเทียบกับวิธีการ DLW เพียงสามครั้งในสภาพที่อยู่อาศัยฟรี [3-5] ช่องว่างระหว่างการประเมิน TEE และ DLW คืออะไร 9.1 ± 5.1kJkg 1 วัน? ที่ 1? 6.8 ± 26.3 กิโลจูลต่อกิโลกรัม? 1 วันที่ 1 และ? 5.0 ± 16.2 กิโลจูลต่อกิโลกรัม 1 วัน 1 เมื่อเทียบกับกลุ่มที่ใช้ในการ การศึกษา [3-5] ตามลำดับ เซ็นเซอร์ปลอกแขนเป็นที่นิยมใช้ในสภาพฟรีที่อยู่อาศัยและให้การประเมินที่เหมาะสมของ TEE (? 0.4 kJkg 1 วัน 1 [6],? 0.6 ± 4.1 กิโลจูลต่อกิโลกรัม 1 วัน 1 [4]) ยกเว้นในกรณีของ บางกิจกรรมการออกกำลังกาย inten- sive ดำเนินการโดยนักกีฬา [7] อุปกรณ์เซ็นเซอร์อื่น ๆ เช่น Actigraph, Actical และ RT3 ที่ทำนาย TEE จาก accelerometers เพียงได้โผล่ออกมาตั้งแต่ปี 1990 พวกเขามีความเก่าง่ายและราคาถูกกว่าสายรัดแขนและ Actiheart อย่างไรก็ตามผล erometry accel- ไม่ได้ผลการประเมินที่ถูกต้องของ TEE ในช่วงของการจัดกิจกรรม อันที่จริง Lyden และคณะ แสดงให้เห็นว่าอุปกรณ์ที่ใช้สัญญาณ accelerometer เฉลี่ยเกินหนึ่งนาทีระยะเวลาอาจได้ผลลัพธ์ที่คล้ายกันสำหรับสองกิจกรรมที่แตกต่างกันเช่นการเดินและมวย [8] เทคโนโลยีของอุปกรณ์ accelerometry ที่ esti- คู่ TEE มีการเปลี่ยนแปลงตั้งแต่นั้นมา บางคนใช้เซ็นเซอร์เพิ่มเติม สำหรับทุกอุปกรณ์เหล่านี้ orolder ที่ผ่านมาการเก็บรวบรวม experimentaldata สร้างข้อ จำกัด ที่แข็งแกร่งกับขนาดประชากรและ onthelocationofvolunteerswhohavetocometothelaboratoryto จะติดตั้ง อุปกรณ์ทางเลือกในการเซ็นเซอร์การวิจัยเหล่านี้อาจได้รับการพัฒนาในมุมมองของการศึกษากิจกรรมทางกายภาพของผองเพื่อนในราคาที่ต่ำ
1.3 การประเมินผล TEE กับ accelerometers มาร์ทโฟน
ตั้งแต่มาร์ทโฟนเป็นเครื่องคอมพิวเตอร์มือถือโดยทั่วไปและมีการแพร่หลายในหมู่ประชาชนทั่วไปที่พวกเขานำเสนอเป็นทางเลือกที่สะดวกในการระบบการรวบรวมข้อมูลมาตรฐานและส่งเสริมแนวทางใหม่ที่นำไปสู่เครือข่ายของสายการศึกษาทางการแพทย์หนิงและการกระจายข้อมูลโดยเฉพาะอย่างยิ่งถ้าเราพิจารณาความหลากหลายของ โดเมนทางการแพทย์ครอบคลุมสิ่งพิมพ์ในช่วงสายที่ผ่านมาและปี ที่เน้นโดย Mellone [2], มาร์ทโฟนเป็นที่น่าสนใจสำหรับข้อมูลด้านสุขภาพซึ่งส่งไอเอ็นจีด้วยเหตุผลดังต่อไปนี้ (1) การยอมรับการแพร่กระจายกว้างของโทรศัพท์มือถือที่มีความสามารถที่มีประสิทธิภาพมากขึ้น; (2) ความจริงที่ว่าผู้คนมักจะพกโทรศัพท์ของพวกเขาทุกที่; (3) สิ่งที่แนบมาของผู้คนไปยังโทรศัพท์ของพวกเขา และ (4) คุณสมบัติการรับรู้บริบทที่มีการเปิดใช้งานผ่านการตรวจวัดและข้อมูลส่วนบุคคลที่ใช้โทรศัพท์ [9] มาร์ทโฟนขณะนี้ encom- ผ่าน แต่ไม่ จำกัด เพียง: กล้องความสูงและพิกัด sional สามขนาดวัดโดยจีพีเอสและการเร่งความเร็วที่ [10] แต่เป็นเน้นโดยผู้เขียนจำนวนมาก [10] เนื่องจากการตรวจสอบในระยะยาวโดยใช้มาร์ทโฟนไร้สายก็อาจต้องใช้แหล่งจ่ายไฟจ่ายของเหลว Odic อย่างไรก็ตามการใช้งานมาร์ทโฟนได้รับเป็นจำนวนมากของความสนใจในวิทยาศาสตร์การแพทย์ เพื่อประเมิน TEE การออกกำลังกายก็เป็นสิ่งจำเป็นที่จะยอมรับความเข้มของกิจกรรม หลายจัดการการศึกษาล่าสุดที่มีการรับรู้ทางกายภาพ ity activ- จากข้อมูลที่เก็บรวบรวมโดย accelerometry มาร์ทโฟน [11-14] อัตราการรับรู้กิจกรรมที่มีบุ๋มโทรศัพท์ตำแหน่ง depen- ใน [11,12] วิธีการนี้ทำให้เกิดข้อ จำกัด ที่แข็งแกร่งสำหรับตำแหน่งมาร์ทโฟนที่ถูกต้องที่อาจส่งผลกระทบต่อถ้าโทรศัพท์ไม่ได้สวมใส่อย่างถูกต้อง ดังนั้นตำแหน่งมาร์ทโฟนคงที่เริ่มต้นเป็นข้อเสียที่สำคัญในสภาพที่อยู่อาศัยฟรี Anjum และริงที่เก็บรวบรวมข้อมูลด้วยโทรศัพท์มือถืออยู่ในมือที่กระเป๋ากางเกง, กระเป๋าเสื้อและกระเป๋าถือ [11] วิธีนี้มีความซับซ้อน
ในการวัดระยะเวลาของการเคลื่อนไหวที่ใช้สำหรับ ODS จ่ายของเหลวสั้น วิธีการคำนวณโดยใช้นี้ [12] อย่างรวดเร็วจะ Sume การจึงดูไม่เพียง แต่ใช้พลังงานจากแบตเตอรี่ แต่ซีพียูมือถือเช่นกันเมื่อนำมาใช้สำหรับรอบระยะเวลาการบันทึกยาว (12h) การวิจัยของเราบนโลกไซเบอร์ nition ไฟของฟังก์ชั่นใช้ accelerometer มาร์ทโฟนโดยไม่ต้องสมมติฐานใด ๆ เกี่ยวกับความรุนแรงของ tial positionin X-Y-Z frameworkbecause Informationis ของอุปสรรคสำคัญสำหรับการใช้งานในสภาพที่อยู่อาศัยฟรี เมื่อผู้คนสวม smartphonein กระเป๋ากางเกง, ตำแหน่งที่ไม่สามารถเป็นที่รู้จักกันด้วยความมั่นใจ อย่างไรก็ตามในการวิจัยก่อนหน้านี้ในหัวข้อนี้ประมาณ TEE ขึ้นอยู่กับตำแหน่งของโทรศัพท์ ประสิทธิภาพการทำงานของฟังก์ชั่นที่นำเสนอเมื่อเทียบกับ TEE คำนวณจากผลรวมของงานที่เทียบเท่าการเผาผลาญ (MET) ในสภาวะควบคุม (CC) [15] และ TEE ให้บริการโดยสายรัดแขนและ Actiheart ทั้ง CC และ FLC ments ประสบการณ์ได้ดำเนินการกับ 12 อาสาสมัครใน CC (3.5 ชั่วโมง) และ 30 อาสาสมัครใน FLC ประมาณ 12 ชั่วโมง
2 วิธี
2.1 น้ำหนักปกติวิชา
จำนวนมากของผู้สมัครที่ได้รับอนุญาตให้เราที่จะทำให้ทั้งสองกลุ่มจะเรียกว่าซีซีและ FLC ที่มีความคล้ายคลึงกันในยุค (ตั้งแต่ 18 ถึง 60years เก่า) น้ำหนัก Hei

ผลลัพธ์ (ไทย) 3:

มาร์ทโฟนขับเคลื่อนวิธีการประเมินการใช้พลังงานในกิจกรรมทางกายภาพและสภาพความเป็นอยู่ โรเมน guidouxa ฟรี มาร์ทีน duclosa , B , G é rard fleuryc ฟิลลิป lacommed , นิโคลัส lamaudi . แร็พ ปิแอร์เฮนรี่ manenqe ลูปริษา , ลิโป้ , ฉีก ซิลวี่ rousseta ⇑ ainra , หน่วยé de โภชนาการ humaine umr 1019 crnh d'auvergne 63009 , , france regions . kgm ฝรั่งเศส france regions . kgm bchu ,กีฬา& EXPLORAT fonct serv Med , ฝรั่งเศส claboratoire de france regions . kgm 63003 , คณิตศาสตร์และ matiques ( umr cnrs 6620 ) วิทยาเขต des C é zeaux 63177 , aubi è re เซแด๊กซ์ ฝรั่งเศส dlaboratoire d'informatique ( limos umr cnrs , 6158 ) วิทยาเขต des C é zeaux 63177 , aubi è re เซแด๊กซ์ ฝรั่งเศส ealmerys 46 Rue du ressort france regions . kgm 63967 , เซแด๊กซ์ 9 , ฝรั่งเศส
r t i C L E n f o
บทความประวัติศาสตร์ได้รับ 11 เมษายน 2014 ยอมรับ 9 กรกฎาคม 2014 ออนไลน์ xxxx
คำสำคัญ : พลังงานที่ใช้ประเมินกิจกรรมทางกายมาร์ทโฟน accelerometers น้ำหนักปกติวิชา actiheart ปลอกแขน
นามธรรม
กระดาษนี้แนะนำการทำงานที่ทุ่มเทให้กับการประมาณค่าของการใช้พลังงานทั้งหมด ( ตี๋ ) ของทุกวัน กิจกรรมบนพื้นฐานของข้อมูลจาก accelerometers บูรณาการเข้าไปในสมาร์ทโฟนการใช้มวลตลาดเซน - ลูกชายเช่น accelerometers เสนอโซลูชั่นที่มีแนวโน้มสำหรับประชาชนทั่วไป เนื่องจากการเติบโตตลาดโทรศัพท์สมาร์ท -- กว่าทศวรรษที่ผ่านมา การประมาณค่าฟังก์ชันคุณภาพทีถูกประเมินโดยใช้ข้อมูลจากผลการทดลองจึงตัดสินใจเดินทางตามแบบ , ,12 อาสาสมัครพร้อมกับมาร์ทโฟนและการวิจัย 2 ( และเซ็นเซอร์ปลอกแขน actiheart ) อยู่ในภาวะควบคุมได้ ( CC ) และ จากนั้นในวันที่ 30 อาสาสมัครอื่น ๆในสภาพอิสระ ( FLC ) ทีได้รับจากทั้งสองเซ็นเซอร์ในทั้งสองสภาวะ และประเมินจากงานเทียบเท่าการเผาผลาญ ( ตรง ) CC ทำหน้าที่เป็นอ้างอิงในระหว่างการสร้างและการประเมินผลของฟังก์ชันตี๋หมายถึงช่องว่างระหว่างฟังก์ชันค่าสัมบูรณ์และอ้างอิงสามคือ 7.0 % 16.4 % และ 2.7% ใน CC และ 17.0% และ 23.7 % ตาม actiheart ปลอกแขน และดับใน FLC .นี้จึงเป็น rststepinthede จึง nitionofanewfeedbackmechanism thatpromotes ตนเอง managementanddaily - EF ประสิทธิภาพการประเมินผลกิจกรรมทางกายจึงเป็นส่วนหนึ่งของระบบสารสนเทศที่อุทิศตนเพื่อการป้องกันโรค เรื้อรัง  2014 Elsevier Inc . All Rights Reserved .
1 บทนำ
ในปีล่าสุด , โรคอ้วนและเบาหวานชนิดที่ 2 ได้ใน - Gent โรคระบาดในประเทศตะวันตกหนึ่งในเหตุผลหลักคือ ความไม่สมดุลระหว่างการบริโภคพลังงาน และตี๋ ซึ่งเป็น conse - quence นิสัยใยอาหารที่ไม่ดีและขาดกิจกรรมทางกาย ความรู้ของตี๋ และ โดยเฉพาะอย่างยิ่ง การไฟฟ้า การถ่ายทอดกิจกรรมทางกายประจำวัน สามารถปรับปรุงสุขภาพส่วนบุคคลผ่านการจัดการที่ดีของความสมดุลของพลังงานและน้ำหนักนั่นคือเหตุผลที่การเปลี่ยนแปลงในเงื่อนไขทีอิสระมากกว่า 1 วัน และในแต่ละวันมีความสนใจหลักในการทดลองทางคลินิกรวมทั้งสำหรับการใช้งานของแต่ละบุคคลบทความนี้มีจุดมุ่งหมายเพื่อแนะนำ predic - tive ฟังก์ชันการประมาณค่าใช้จ่ายพลังงานภายใต้สภาพความเป็นอยู่ในปัจจุบัน โดยเฉพาะตลาดมวลโดยใช้เซ็นเซอร์ที่คล้ายคลึงกับที่พบในมาร์ทโฟนที่แพร่หลายและเม็ด .
1.1 . อ้างอิงวิธีการประมาณการตี๋ในสภาวะอิสระ
มีสองวิธีการวัดอ้างอิงที : การฝากขึ้นอยู่กับการแลกเปลี่ยนแก๊ส ( IC )