Un conjunto de datos longitudinales de datos fisiológicos, hormonales, metabólicos y autoinformados sobre la salud...

Área de la Ciencia:

• Informática de la salud reproductiva Informática de la salud reproductiva.
• Monitoreo Fisiológico Monitoreo Fisiológico
• Endocrinología Endocrinología.

Sus antecedentes:

• La investigación de la salud menstrual requiere datos integrados sobre factores fisiológicos, hormonales y de estilo de vida.
• Los conjuntos de datos existentes a menudo carecen de datos multimodales, lo que limita el análisis integral del ciclo menstrual.
• Comprender la variabilidad del ciclo es crucial para obtener información personalizada sobre la salud.

Objetivo del estudio:

• Para introducir el conjunto de datos mcPHASES, un recurso multimodal para la investigación de la salud menstrual.
• Facilitar estudios sobre la interacción entre la dinámica endocrina, las señales fisiológicas y las experiencias autoinformadas.
• Proporcionar datos de referencia para el desarrollo de algoritmos predictivos en informática de salud menstrual.

Principales métodos:

• Se recogieron datos de 42 adultos jóvenes canadienses durante períodos de 3 meses.
• Utilizó los relojes inteligentes Fitbit Sense para señales fisiológicas y Dexcom G6 para datos metabólicos.
• Empleado Mira Plus análisis de orina para los niveles hormonales y encuestas diarias para los síntomas y factores de estilo de vida.

Principales resultados:

• El conjunto de datos mcPHASES incluye 23 tablas estructuradas, organizadas por categoría de señal.
• Los datos integran medidas fisiológicas derivadas de dispositivos portátiles, niveles hormonales y resultados autoinformados.
• Permite análisis que vinculan la dinámica endocrina a los datos fisiológicos y autoinformados.

Conclusiones:

• El conjunto de datos de mcPHASES es un recurso valioso para investigar la variabilidad del ciclo menstrual y las interacciones entre hormonas y fisiología.
• Apoya la investigación sobre las influencias contextuales en la salud menstrual.
• Avanza en la informática de la salud menstrual y el desarrollo de algoritmos predictivos.