arXiv · Human-Computer Interaction· Paula Lago
· 2 小时前
用于分析医疗保健中纵向可穿戴传感器数据的计算模型的最新综述
A State-of-the-Art Review of Computational Models for Analyzing Longitudinal Wearable Sensor Data in Healthcare
预印本 · 尚未经过同行评审
AI 导读
综述梳理常规、节律与稳定性指标三类模型，用于理解纵向可穿戴传感器数据。
摘要 · AI 翻译
可穿戴设备正日益被用作生物医学研究的工具，因为它们所收集的连续行为与生理数据流能够为我们在日常情境中的健康提供洞见。长期追踪（以数月乃至数年的时间尺度界定）能够提供关于模式与变化的洞见，作为健康变化的指标。这些洞见可使医学与医疗保健更具预测性、预防性、个性化和参与性（即4P）。然而，在建模、理解和处理纵向数据方面的挑战，是其在研究和临床环境中被采用的重要障碍。本文回顾并讨论了三种用于理解纵向数据的模型：节律（routines）、韵律（rhythms）和稳定性指标（stability metrics）。我们提出了与纵向可穿戴传感器数据的处理和分析相关的挑战，特别关注如何处理不同粒度下的不同时间动态。随后我们讨论了当前的局限性并确定了未来工作的方向。本综述对于面向普适医疗的纵向传感器数据的计算建模与分析的进步至关重要。
中文由 AI 翻译，仅供参考，以原文为准。
来源：arXiv · Human-Computer Interaction · arxiv.org