Additional file 1 of Development and evaluation of wrist- and thigh-worn accelerometer algorithms using self-training machine learning models for classification of activity type and posture: towards device placement-agnostic methods in the ProPASS consortium
Rattachement africain : au, dk, gb, no, se. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Supplementary Material 1.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
Où se fait cette recherche
-
The University of Sydney pays non établi dans la noticeUniversité ou école supérieure
-
Australian Regenerative Medicine Institute pays non établi dans la noticeStructure de recherche
-
Monash University pays non établi dans la noticeUniversité ou école supérieure
-
University of Southern Denmark pays non établi dans la noticeUniversité ou école supérieure
-
National Research Centre for the Working Environment pays non établi dans la noticeOrganisme public
-
University of East Anglia pays non établi dans la noticeUniversité ou école supérieure
-
University of Exeter pays non établi dans la noticeUniversité ou école supérieure
-
Norwegian University of Science and Technology pays non établi dans la noticeUniversité ou école supérieure
-
University College London pays non établi dans la noticeUniversité ou école supérieure
-
Uppsala University pays non établi dans la noticeUniversité ou école supérieure
-
Uppsala University Hospital pays non établi dans la noticeÉtablissement de santé
-
University of Salford pays non établi dans la noticeUniversité ou école supérieure
The University of Sydney, Australian Regenerative Medicine Institute et Monash University, avec 9 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.