論文の概要: Reliability and Validity of the Polar V800 Sports Watch for Estimating
Vertical Jump Height
- arxiv url: http://arxiv.org/abs/2203.16442v1
- Date: Mon, 28 Mar 2022 14:28:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2022-03-31 16:54:50.833428
- Title: Reliability and Validity of the Polar V800 Sports Watch for Estimating
Vertical Jump Height
- Title（参考訳）: 垂直ジャンプ高さ推定のための極V800スポーツウォッチの信頼性と妥当性
- Authors: Manuel-Vicente Garnacho-Casta\~no, Marcos Faundez-Zanuy, Noemi
Serra-Pay\'a, J. L. Mat\'e-Mu\~noz, Josep L\'opez-Xarbau, M. Vila-Blanch
- Abstract要約: 信頼性は、Polar V800が1週間離れた2つの同じテストセッションで取得した測定値を比較することで評価された。
テスト-テストの間に有意な体系的バイアス+ランダムなエラーはなかった。
Polar V800は、力のプラットフォームと比較して有効であり、身体に活発な健康な若い男性の垂直ジャンプハイトパフォーマンスに関する信頼できる情報を提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This study aimed to assess the reliability and validity of the Polar V800 to
measure vertical jump height. Twenty-two physically active healthy men (age:
22.89 +- 4.23 years; body mass: 70.74 +- 8.04 kg; height: 1.74 +- 0.76 m) were
recruited for the study. The reliability was evaluated by comparing
measurements acquired by the Polar V800 in two identical testing sessions one
week apart. Validity was assessed by comparing measurements simultaneously
obtained using a force platform (gold standard), high-speed camera and the
Polar V800 during squat jump (SJ) and countermovement jump (CMJ) tests. In the
test-retest reliability, high intraclass correlation coefficients (ICCs) were
observed (mean: 0.90, SJ and CMJ) in the Polar V800. There was no significant
systematic bias +- random errors (p > 0.05) between test-retest. Low
coefficients of variation (<5%) were detected in both jumps in the Polar V800.
In the validity assessment, similar jump height was detected among devices (p >
0.05). There was almost perfect agreement between the Polar V800 compared to a
force platform for the SJ and CMJ tests (Mean ICCs = 0.95; no systematic bias
+- random errors in SJ mean: -0.38 +- 2.10 cm, p > 0.05). Mean ICC between the
Polar V800 versus high-speed camera was 0.91 for the SJ and CMJ tests, however,
a significant systematic bias +- random error (0.97 +- 2.60 cm; p = 0.01) was
detected in CMJ test. The Polar V800 offers valid, compared to force platform,
and reliable information about vertical jump height performance in physically
active healthy young men.
- Abstract（参考訳）: 本研究の目的は、垂直跳躍高さを測定するために極V800の信頼性と妥当性を評価することである。
22.89 +- 4.23歳、体重70.74 +- 8.04 kg、身長1.74 +- 0.76 mの身体に活発な男性22名がこの研究に採用された。
信頼性は、polar v800で得られた測定値と1週間の異なる2つのテストセッションを比較して評価した。
また,squat jump (sj) および countermovement jump (cmj) 試験において,force platform (gold standard) とhigh-speed camera,polar v800 を同時に測定し,妥当性を評価した。
試験・試験信頼性では極性V800において高いクラス内相関係数(ICCs)が観測された(平均0.90, SJ, CMJ)。
テスト-テストの間に有意な系統的バイアス+ランダムエラー(p > 0.05)はなかった。
極性V800における両ジャンプにおいて, 変動係数 (5%) の低値が検出された。
有効性評価では, デバイス間で同様のジャンプ高さが検出された(p > 0.05)。
極V800とSJテストとCMJテストの力のプラットフォーム(平均ICC=0.95、SJの系統的バイアス+ランダムエラー:-0.38 +- 2.10 cm, p > 0.05)のほぼ完全な一致があった。
極性v800と高速カメラの平均iccはsjおよびcmjテストでは0.91であったが、cmjテストでは系統的バイアス+ランダム誤差(0.97 +- 2.60 cm; p = 0.01)が検出された。
Polar V800は、力のプラットフォームと比較して有効であり、身体に活発な健康な若い男性の垂直ジャンプハイトパフォーマンスに関する信頼できる情報を提供する。
関連論文リスト
- A Transformer-based survival model for prediction of all-cause mortality in heart failure patients: a multi-cohort study [5.831730826863567]
心不全患者の36カ月の死亡を予測できるトランスフォーマーベースのAIモデルであるTRiskを開発した。
英国では1,418例の心不全403,534例(40～90歳)について検討した。
論文 参考訳（メタデータ） (2025-03-16T01:53:50Z) - Using YOLO v7 to Detect Kidney in Magnetic Resonance Imaging [1.1567496318601842]
医用画像ライブラリを用いた半教師ありアプローチによる腎臓検出のための高性能モデルを開発した。
モデルの一般化性を評価するには、さらなる外部検証が必要である。
論文 参考訳（メタデータ） (2024-02-08T16:54:20Z) - Acute kidney injury prediction for non-critical care patients: a
retrospective external and internal validation study [1.7667281678430398]
急性腎障害(AKI)は入院患者の最大18%に発症する。
ディープラーニングと従来の機械学習モデルは、AKIの進行を予測するために開発された。
他の施設で試験すると、モデルはわずかに差別を減らした。
論文 参考訳（メタデータ） (2024-02-06T18:05:30Z) - Advancing ECG Diagnosis Using Reinforcement Learning on Global Waveform
Variations Related to P Wave and PR Interval [1.352111003040528]
本稿では,PhystoNet/Computing in Cardiology Challenge (CinC)で利用可能な各種ECGデータセットに対するQ学習強化アルゴリズムの適用に焦点をあてる。
Q-Agentは8,867人の患者で71,672のビートを分類し、平均90.4%、平均9.6%のハミング損失しかなかった。
論文 参考訳（メタデータ） (2024-01-10T05:28:42Z) - DeepCOVID-Fuse: A Multi-modality Deep Learning Model Fusing Chest
X-Radiographs and Clinical Variables to Predict COVID-19 Risk Levels [8.593516170110203]
DeepCOVID-Fuseは、新型コロナウイルス患者のリスクレベルを予測するディープラーニング融合モデルである。
CXRと臨床変数で訓練されたDeepCOVID-Fuseの精度は0.658であり、AUCは0.842である。
論文 参考訳（メタデータ） (2023-01-20T20:54:25Z) - The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk
Screening by Eye-region Manifestations [59.48245489413308]
携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。
AUC, 感度, 特異性, 精度, F1。
論文 参考訳（メタデータ） (2021-09-18T02:28:01Z) - Vision Transformers for femur fracture classification [59.99241204074268]
Vision Transformer (ViT) はテスト画像の83%を正確に予測することができた。
史上最大かつ最もリッチなデータセットを持つサブフラクチャーで良い結果が得られた。
論文 参考訳（メタデータ） (2021-08-07T10:12:42Z) - Semi-supervised learning for generalizable intracranial hemorrhage
detection and segmentation [0.0]
本研究は頭蓋内出血の検出・分節化のための半教師付き学習モデルの開発と評価である。
最初の「教師」ディープラーニングモデルは、2010年から2017年にかけて米国のある機関から収集された457ピクセルの頭部CTスキャンに基づいて訓練された。
2つ目の"学生"モデルは、このピクセルラベル付きデータセットと擬似ラベル付きデータセットの組み合わせでトレーニングされた。
論文 参考訳（メタデータ） (2021-05-03T00:14:43Z) - Cross-validation Confidence Intervals for Test Error [83.67415139421448]
この研究は、クロスバリデーションのための中心極限定理と、学習アルゴリズムの弱い安定性条件下での分散の一貫した推定器を開発する。
結果は、一般的な1対1のクロスバリデーションの選択にとって、初めてのものだ。
論文 参考訳（メタデータ） (2020-07-24T17:40:06Z) - Robustness to Spurious Correlations via Human Annotations [100.63051542531171]
本稿では,人間に共通する因果関係の知識を活用して,素因関係に頑健なモデルを構築するための枠組みを提案する。
具体的には、人間のアノテーションを使用して、潜在的な未測定変数でトレーニング例を拡大する。
次に,未測定変数(UV-DRO)に対する分布性に頑健な新たな最適化手法を導入し,テスト時間シフトによる最悪の損失を制御する。
論文 参考訳（メタデータ） (2020-07-13T20:05:19Z) - JCS: An Explainable COVID-19 Diagnosis System by Joint Classification
and Segmentation [95.57532063232198]
新型コロナウイルス感染症2019(COVID-19)は、200カ国以上でパンデミックの流行を引き起こしている。
感染を制御するためには、感染した人々を識別し、分離することが最も重要なステップである。
本稿では,新型コロナウイルスの胸部CT診断をリアルタイムかつ説明可能な,新しい関節分類システム(JCS)を開発した。
論文 参考訳（メタデータ） (2020-04-15T12:30:40Z) - Automated Quantification of CT Patterns Associated with COVID-19 from
Chest CT [48.785596536318884]
提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。
この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。
このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
論文 参考訳（メタデータ） (2020-04-02T21:49:14Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。