Incorporación de la heterogeneidad en modelos de Markov ocultos mixtos con una aplicación al ciclo sueño-vigilia

Área de la Ciencia:

• Cronología
• Estadísticas biológicas
• Salud pública

Sus antecedentes:

• El ciclo de sueño-vigilia es crucial para la salud en general.
• Los monitores personales de actividad física (PAM) ofrecen información sobre los patrones de sueño.
• Los modelos de Markov ocultos (HMM) son métodos eficaces sin supervisión para analizar los datos de la actividad.

Objetivo del estudio:

• Desarrollar y evaluar un HMM mixto que tenga en cuenta la heterogeneidad individual en la actividad física.
• Para comparar la precisión del HMM mixto con un HMM estándar.
• Aplicar los HMM a los datos de actigrafía del mundo real para las estadísticas de resumen del sueño.

Principales métodos:

• Desarrolló un modelo mixto de Markov oculto (HMM) para abordar las diferencias individuales en la actividad.
• Se llevaron a cabo simulaciones extensas para comparar el HMM mixto con la precisión estándar del HMM.
• Se aplicaron ambos HMM a los datos de la actigrafía de la Encuesta Nacional de Examen de Salud y Nutrición (NHANES).

Principales resultados:

• Los HMM mixtos demostraron una mayor precisión que los HMM estándar con tiempos de seguimiento más cortos.
• La precisión fue similar para ambos modelos con abundantes mediciones repetidas, favoreciendo el HMM estándar para la velocidad.
• El análisis de los datos de NHANES reveló estadísticas de resumen del sueño, con diferencias relacionadas con el IMC y la heterogeneidad de la actividad relacionada con la edad.

Conclusiones:

• El HMM mixto ofrece una mayor precisión para el análisis del ciclo de sueño-vigilia, especialmente en escenarios con datos limitados.
• La heterogeneidad individual en la actividad física, influenciada por factores como el IMC y la edad, afecta las inferencias de patrones de sueño.
• El estudio destaca la utilidad del modelado estadístico avanzado para extraer información de salud significativa de los PAM.