Iowa State University
Digital Repository @ Iowa State University
Graduate 周eses and Dissertations
Graduate College
2013
Validity of consumer-based physical activity
monitors and calibration of smartphone for
prediction of physical activity energy expenditure
Jung-Min Lee
Iowa State University
Follow this and additional works at:h瑴p://lib.dr.iastate.edu/etd
Part of theKinesiology Commons
, and theMedicine and Health Sciences Commons
周is Dissertation is brought to you for free and open access by the Graduate College at Digital Repository @ Iowa State University. It has been accepted
for inclusion in Graduate 周eses and Dissertations by an authorized administrator of Digital Repository @ Iowa State University. For more
information, please contacthinefuku@iastate.edu.
Recommended Citation
Lee, Jung-Min, "Validity of consumer-based physical activity monitors and calibration of smartphone for prediction of physical activity
energy expenditure" (2013). Graduate 周eses and Dissertations. Paper 13480.
Pdf rearrange pages online - re-order PDF pages in C#.net, ASP.NET, MVC, Ajax, WinForms, WPF
Support Customizing Page Order of PDF Document in C# Project
change page order in pdf file; how to move pages in a pdf document
Pdf rearrange pages online - VB.NET PDF Page Move Library: re-order PDF pages in vb.net, ASP.NET, MVC, Ajax, WinForms, WPF
Sort PDF Document Pages Using VB.NET Demo Code
pdf reorder pages; how to reorder pages in pdf
Validity of consumer-based physical activity monitors and  
calibration of smartphone for prediction of physical activity energy expenditure  
by 
Jung-Min Lee 
A dissertation submitted to the graduate faculty 
In partial fulfillment of the requirements for the degree of  
DOCTOR OF PHILOSOPHY 
Major: Kinesiology  
Program of Study Committee: 
Gregory J. Welk, Major Professor 
Warren D. Franke 
Lorraine Lanningham-Foster 
Timothy R. Derrick 
Stephen B. Gilbert 
Iowa State University  
Ames, Iowa 
2013  
Copyright 
©
Jung-Min Lee, 2013. All rights reserved 
C# TIFF: How to Reorder, Rearrange & Sort TIFF Pages Using C# Code
C# TIFF - Sort TIFF File Pages Order in C#.NET. Reorder, Rearrange and Sort TIFF Document Pages in C#.NET Application. C# TIFF Page Sorting Overview.
rearrange pages in pdf online; reorder pdf pages online
Online Merge PDF files. Best free online merge PDF tool.
Then press the button below and download your PDF. By dragging your pages in the editor area you can rearrange them or delete single pages.
move pages in a pdf; pdf reverse page order preview
ii 
TABLE OF CONTENTS 
LIST OF FIGURES   
iv 
LIST OF TABLES   
ACKNOWLEDGMENTS   
vi 
CHAPTER 1. INTRODUCTINON 
Introduction   
References   
CHAPTER 2. LITERATURE REVIEW 
Introduction   
Progression of Research on Accelerometry-based Physical Activity Monitors    10 
Overview of accelerometry-based physical activity monitors 
11 
Calibration research with accelerometry-based activity monitors          13 
Consumer-based Physical Activity Wearable Monitors 
17 
Advanced Activity Monitors and Calibration Methods 
21 
Innovations in monitoring technology and methods   
21 
Potential for calibration of Smartphone 
25 
Summary and Specific Justification for Dissertation Studies  
30 
References   
32 
CHAPTER 3. VALIDATION OF CONSUMER-BASED PHYSICAL ACTIVITY 
MONITORS DURING SEMI-STRUCTURED  FREE-LIVING CONDITIONS 
Abstract 
40 
Introduction   
42 
Methods 
43 
Results  
51 
Discussion   
53 
References   
60 
Tables  
62 
Figures Captions and Figures  
66 
CHAPTER 4. COMPARISONS OF PHYSICAL ACTIVITY PATTERN 
RECOGNITION CLASSIFIERS AND CALIBRATION OF BUILT-IN 
ACCELEROMTERS IN SMARTPHONE 
Abstract 
71 
Introduction   
73 
Methods 
75 
Results  
82 
Discussion   
85 
References   
90 
Tables  
94 
Figures Captions and Figures  
101 
VB.NET TIFF: Modify TIFF File by Adding, Deleting & Sort TIFF
you want to change or rearrange current TIFF &ltsummary> ''' Sort TIFF document pages in designed powerful & profession imaging controls, PDF document, image
how to move pages around in pdf; how to reorder pages in pdf file
VB.NET PDF File & Page Process Library SDK for vb.net, ASP.NET
a PDF document which is out of order, you need to rearrange the PDF you with examples for adding an (empty) page to a PDF and adding empty pages to a
how to rearrange pdf pages; reorder pages pdf
iii 
CHAPTER 5GENERAL CONCLUSIONS 
Summary 
110 
APPENDICES. ADDITIONAL TABLES AND GRAPHS 
  113  
C# PowerPoint - How to Process PowerPoint
the simplest procedures, for instance, using online clear C# out useless PowerPoint document pages simply with solution to sort and rearrange PowerPoint slides
reordering pages in pdf document; reorder pages of pdf
VB.NET Word: How to Process MS Word in VB.NET Library in .NET
well programmed Word pages sorter to rearrange Word pages in extracting single or multiple Word pages at one & profession imaging controls, PDF document, image
how to rearrange pages in a pdf document; how to move pages in pdf reader
iv 
LIST OF FIGURES 
Figure 3.1. Mean absolute percent error (± SD)  for all monitors with measured 
resting energy expenditure (n = 60). 
67 
Figure 3.2. Results from 95% equivalence testing for agreement 
in total estimated EE between Oxycon mobile and all monitors.  
68 
Figure 3.3.1-2. Bland Altman plots using measured resting energy expenditure.          69 
Figure 4.1. Classification accuracy for 5s window with all features 
u
sing Random Committee (Smartphone’s accelerometer data)
.   
102 
Figure 4.2. Classification accuracy for 5s window with all features  
u
sing Random Committee (Smartphone’s accelerometer 
and gyroscope data). 
103 
Figure 4.3. Results from 95% equivalence testing for the agreement 
in total MET between Smartphone and OM (left), and  
in activity energy expenditure (MET)  
between ActiGraph and OM (right). 
104  
Figure 4.4. Root mena square error comparison  
between ActiGraph and Smartphone.      
105 
Figure 4.5. Correlation between measured MET/5s vs. 
Vector magnitude of vertical + horizontal counts/5s.   
106 
Figure 4.6. Correlation between measured MET and  
estimated MET (Freedson 2011) from ActiGraph. 
107 
Figure 4.7. Correlation between measured MET from Oxycon Mobile 
and estimated MET from Smartphone.   
108 
Figure 4.8. Bland-Altman plots comparing measured MET from Oxycon Mobile vs.  
predicted MET from Smartphone and measured MET  
from Oxycon Mobile and predicted MET from  
ActiGraph (Freedson 2011). 
109 
Process Images in Web Image Viewer | Online Tutorials
used document types are supported, including PDF, multi-page easy to process image and file pages with the deleting a thumbnail, and you can rearrange the file
reverse page order pdf; change pdf page order preview
VB.NET PowerPoint: Sort and Reorder PowerPoint Slides by Using VB.
page will teach you to rearrange and readjust amount of robust PPT slides/pages editing methods and powerful & profession imaging controls, PDF document, image
how to move pages within a pdf document; how to change page order in pdf acrobat
LIST OF TABLES 
Table 3.1. Physical characteristics of male (n = 30) and female (n = 30) subjects.          63 
Table 3.2. Estimated total energy expenditure with added measured resting energy 
expenditure. 
64  
Table 3.3. Correlation matrix with added measured resting energy expenditure.          65 
Table 4.1. Physical characteristics of male (n = 21) and female (n = 23) subjects.          94 
Table 4.2. Classification accuracy with accelerometer data from the Smartphone.          95 
Table 4.3. Comparisons of classification accuracy with the accelerometer  
and gyroscope data from the Smartphone.  
96 
Table 4.4. Confusion matrix for 5s window with all features using  
Random Committee (Smartphone
’s accelerometer data)
 
97 
Table 4.5. Confusion matrix for 5s window with all Features using  
Random committee (Smartphone
’s gyroscope and 
accelerometer). 
98 
Table 4.6. Measurement agreement between measured MET and 
predicted MET from the ActiGraph. 
99 
Table 4.7. Measurement agreement between measured MET and 
predicted MET from the Smartphone.   
100 
vi 
ACKNOWLEDGMENTS 
I would like to express gratitude to several people who helped me in the 
realization of this dissertation. First and foremost, I would like to thank my advisor, Dr. 
Gregory J. Welk. His passion for research was communicative and he provided constant 
intellectual, instrumental, and emotional support. I learned enormously from his 
constructive feedback and suggestions, as well as from our insightful discussions.  
I am also grateful to have had such a wonderful and supportive committee. I could 
not have accomplished this goal without the support of Professors Timothy Derrick, 
Warren Franke, Lorraine Lanningham-Foster, and Stephen Gilbert.  
My parents Hyun-Suk Park and Chul-Young Lee deserve thanks for jointly 
striving to support me throughout many years of schooling, and providing my sister and 
me the best life possible. I  thank my sister, Jung-Hwa Lee, who continues to support me 
in all ways possible. I also thank my mother-in-law, KangRae Jung, and sister-in-law, 
Mihee Lim. Without the loving support of family, these ideas would never have been 
seen the light of day.  
I would also like to thank the following individuals whose intellectual and 
emotional support helped me at crucial moments in this process: Young-Won Kim, Jun-
Sik Wang, Pedro Saint-Maurice Maduro, Andres Calabro, Yang Bai, Yoon-Ho Nam, and 
Patricia Mize.  
It would have been impossible to complete this series of studies without the 
financial support from the Pease Family Doctoral Research Award given in the summer 
of 2013.  
vii 
In closing, completing this dissertation would not have been possible without my 
soul mate and my wife, Joohee Yim, always putting our marriage and family first, and 
managing the busy lives of our children. And these children, Sae-Hoon (Aiden) Lee and 
Sae-ho (Aaron) Lee, have grown from babies into wonderful boys during this academic 
effort.   
“주희야 항상 나에게 힘이 되어주고 우리 가정을 잘 지켜 주어서 너무나 감사해 
아니 감사합니다. 세훈 세호야 앞으로도 더욱 건강하고 씩씩하고 남자답고 멋지게 
자라다오” 
CHAPTER 1  
INTRODUCTION 
Accelerometry-based activity monitors have become the standard objective 
method for assessing physical activity (PA) in field-based research [1]. They are small, 
non-invasive, easy-to use, and provide an objective indicator of physical activity over 
extended periods of time [2]. The main advantage from a research perspective is they 
provide an objective indicator of physical activity behavior, thereby avoiding common 
sources of error in subjective measurement (e.g., self-report) [3]. Because of their storage 
data capacity, it is possible to monitor behavior over extended periods of time and easy to 
download the information to a computer for processing. Numerous studies [2, 4-9] have 
been published on the reliability and validity of various accelerometry-based physical 
activity monitors [10]. They have become widely accepted in the field.  
Over the years, advances in technology have contributed to dramatic 
improvements in the sophistication of accelerometry-based monitors. Most monitors 
today now use 3-dimensional accelerometers with higher sampling rates to provide more 
detailed information [11]. The use of solid-state construction in most devices has also 
improved reliability and durability of this class of activity monitor. There have also been 
many advances in methodologies to process accelerometer data, including more 
standardization in protocols, better handling of missing data, and the application of 
complex, pattern recognition techniques to distinguish among various types of movement. 
These advances have collectively helped advance the science (and practice) of physical 
activity monitoring, but there are numerous challenges that remain to improve the 
utility’s accuracy of accelerometry
-based physical activity monitors.  
One of the most challenging problems has been equating output from different 
accelerometry-based devices [11]. In theory, accelerometry-based devices all measure the 
same thing (body acceleration). However, there is considerable variability in sensor 
properties, filtering, and scaling across different monitoring devices. This has made it 
impossible to directly compare data from competing instruments. While accelerometers 
internally measure acceleration in g-forces, most commercially-available devices report 
data using dimensionless units referred to as “counts.”
Considerable research has been 
completed to calibrate the various devices against criterion measures, but presently it is 
not possible to directly equate output from one device to another in a systematic method 
[11]. In recent years, many new, competing technologies, including built-in 
accelerometer Smartphones, have been released into the market. These have further 
compounded the challenge of comparing accelerometry-based devices. In many cases, 
these devices are released into the marketplace with little or no evidence of their validity. 
These accelerometry-based physical activity monitors have been used almost 
exclusively for research, but advances in technology have led to an explosion of new 
consumer-based activity monitors designed for use by individuals interested in fitness, 
health, and weight control. Examples include the BodyMedia FIT, Fitbit, Basis B1, 
Jawbone Up, NikeFuel band, DirectLife, PAM, and Smartphone applications. The 
development of these consumer-based monitors and applications has been driven, in large 
part, by the increased availability of low cost accelerometer technology that came about 
with the incorporation of accelerometers in the Wii. Refinement of other technologies 
(e.g., Bluetooth) and increased sophistication of websites and personalized social media 
applications also spurred the movement. These new accelerometry-based monitors 
Documents you may be interested
Documents you may be interested