MARC

 008240219s2023        ulk                      00        kor
■001000016935318
■00520240214101918
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798380599184
■035    ▼a(MiAaPQ)AAI30688901
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a612
■1001  ▼aHesse,  Anton.
■24510▼aData  Processing  Methods  and  Their  Effects  on  the  Limits  of  Agreement  and  Reliability  of  Automated  Submaximal  Threshold  Calculations▼h[electronic  resource]
■260    ▼a[S.l.]▼bUniversity  of  Minnesota.  ▼c2023
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2023
■300    ▼a1  online  resource(132  p.)
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-04,  Section:  B.
■500    ▼aAdvisor:  Lewis,  Beth;Lundstrom,  Christopher;Barr-Anderson,  Daheia.
■5021  ▼aThesis  (Ph.D.)--University  of  Minnesota,  2023.
■506    ▼aThis  item  must  not  be  sold  to  any  third  party  vendors.
■520    ▼aCardiovascular  exercise  intensity  constitutes  an  important  component  of  exercise  prescription,  but  its  individualization  poses  challenges.  Previous  research  underscores  the  greater  efficacy  of  physiological  threshold-based  cardiovascular  exercise  intensity  prescription,  when  compared  to  standardized  percentages  of  maximum  heart  rate,  VO2  ,  or  workload.  However,  identifying  these  thresholds  usually  entails  pre-processing  steps  like  outlier  elimination,  interpolation,  and  data  averaging.  Although  diverse  algorithms  exist  to  pinpoint  these  thresholds,  the  influence  of  prior  data  processing  steps  on  algorithm-derived  thresholds  remains  unclear.Through  a  scoping  review,  we  gathered  articles  from  studies  that  collected  breath-by-breath  gas  exchange  data  during  exercise  in  humans.  We  assessed  the  reporting  prevalence  and  the  nature  of  outlier  removal,  interpolation,  and  data-averaging  methods.  Approximately  5%  of  articles  described  outlier  removal  and  interpolation  details  in  their  methods,  while  2/3  reported  data  averaging.We  developed  an  open-source  R  package,  "gasExchangeR,"  to  assess  the  effects  of  data  processing  choices  on  algorithm-derived  thresholds.  We  included  multiple  threshold-detection  algorithms  from  previous  research  in  this  package  and  validated  them  against  simulated  and  human  exercise  tests.  Most  algorithms  performed  well  under  low  simulated  noise  conditions  but  had  higher  relative  and  absolute  error  than  visual  detection.Leveraging  the  gasExchangeR  package,  algorithm-derived  thresholds  were  computed  across  varied  outlier  removal  limits,  averaging  durations,  and  algorithms  using  350  exercise  tests.  A  similar  analysis  was  performed  with  17  participants  to  assess  the  effect  of  these  parameters  on  the  test-retest  reliability  of  algorithm-derived  thresholds.  The  outcomes  exhibited  generally  negligible  main  effects  and  interactions  between  outlier  removal  limit,  averaging  duration,  and  algorithm  selection  on  average  threshold  values.  Nevertheless,  some  statistically  significant  differences  were  observed.  The  95%  limits  of  agreement  (LOA)  among  diverse  data  processing  and  algorithm  combinations  exceeded  the  expected  measurement  error  in  VO2.  Linear  regression  highlighted  algorithmic  comparisons  as  the  primary  contributor  to  LOA  variance.  Specific  algorithm  types  yielded  statistically  significant  ICC  values  more  frequently.  These  findings  indicate  that  manipulating  the  data  appearance  despite  constant  underlying  fitness  can  unveil  inherent  variability  in  distinct  algorithms.  In  aggregate,  these  investigations  underscore  the  potential  for  enhanced  reproducibility  through  improved  method  documentation  and  the  use  of  open-source  software.
■590    ▼aSchool  code:  0130.
■650  4▼aKinesiology.
■650  4▼aPsychology.
■650  4▼aClinical  psychology.
■653    ▼aBreath-by-breath
■653    ▼aData  processing
■653    ▼aExercise  threshold  algorithms
■653    ▼aCardiovascular  exercise
■653    ▼aReproducibility
■690    ▼a0575
■690    ▼a0621
■690    ▼a0622
■71020▼aUniversity  of  Minnesota▼bKinesiology.
■7730  ▼tDissertations  Abstracts  International▼g85-04B.
■773    ▼tDissertation  Abstract  International
■790    ▼a0130
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T16935318▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.
■980    ▼a202402▼f2024

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서