எங்கள் குழு ஒவ்வொரு ஆண்டும் அமெரிக்கா, ஐரோப்பா மற்றும் ஆசியா முழுவதும் 1000 அறிவியல் சங்கங்களின் ஆதரவுடன் 3000+ உலகளாவிய மாநாட்டுத் தொடர் நிகழ்வுகளை ஏற்பாடு செய்து 700+ திறந்த அணுகல் இதழ்களை வெளியிடுகிறது, இதில் 50000 க்கும் மேற்பட்ட தலைசிறந்த ஆளுமைகள், புகழ்பெற்ற விஞ்ஞானிகள் ஆசிரியர் குழு உறுப்பினர்களாக உள்ளனர்.
அதிக வாசகர்கள் மற்றும் மேற்கோள்களைப் பெறும் திறந்த அணுகல் இதழ்கள்
700 இதழ்கள் மற்றும் 15,000,000 வாசகர்கள் ஒவ்வொரு பத்திரிகையும் 25,000+ வாசகர்களைப் பெறுகிறது
Paige Dudley, David R Bassett, Dinesh John and Scott E Crouter
Purpose: To examine the validity of an armband physical activity monitor in estimating energy expenditure (EE) over a wide range of physical activities. Methods: 68 participants (mean age=39.5 ± 13.0 yrs) performed one of three routines consisting of six activities (approximately 10 min each) while wearing the armband and the Cosmed K4b2 portable metabolic unit. Routine 1 (n=25) involved indoor home-based activities, routine 2 (n=22) involved miscellaneous activities, and routine 3 (n=21) involved outdoor aerobic activities. Results: Mean differences between the EE values in METs (criterion minus estimated) are as follows. Routine 1: watching TV (-0.1), reading (-0.1), laundry (0.1), ironing (-1.3), light cleaning (-0.4), and aerobics (0.4). Routine 2: driving (-0.6), Frisbee golf (-0.9), grass trimming (-0.5), gardening (-1.5), moving dirt with a wheelbarrow (-0.1), loading and unloading boxes (0.1); Routine 3: sidewalk walking (-1.0), track walking (-0.8), walking with a bag (-0.6), tennis (1.6), track running (2.2), and road running (2.1). The armband significantly overestimated EE during several light-to-moderate intensity activities such as driving (by 74%), ironing (by 70%), gardening (by 55%), light cleaning (by 15%), Frisbee golf (by 24%), and sidewalk walking (by 26%) (P<0.05). The arm band significantly underestimated high intensity activities including tennis (by 20%), and track or road running (by 20%). Conclusion: Although the armband provided mean EE estimates within 16% of the criterion for nine of the 18 activities, predictions for several activities were significantly different from the criterion. The armband prediction algorithms could be refined to increase the accuracy of EE estimations.