检测个人偏差和趋势的挑战 基于传感器的活动数据数据的趋势
Miriam Lingg1,2, Chantal Beutter1, Stefan Sigle1
1MOLIT Institute gGmbH, Heilbronn, Germany.
Studies in health technology and informatics
|September 12, 2023
概括
这项研究开发了一种基于智能手机的概念,用于检测个性化的运动行为趋势. 曼-肯德尔趋势测试与岳校正证明有效分析可变体育活动数据.
科学领域:
- 生物医学工程 生物医学工程
- 医疗信息学 医疗信息学
- 可穿戴技术可穿戴技术
背景情况:
- 身体活动对健康至关重要,需要有效监测运动行为.
- 智能手机提供了一个方便的平台来记录个人移动数据.
- 开发分析这些数据以获得健康见解的方法具有重大意义.
研究的目的:
- 使用智能手机数据创建一个概念,用于检测个性化的运动行为趋势.
- 评估统计方法对分析体育活动趋势的适用性.
主要方法:
- 最初的原型使用了控制图表,这些图表不适合变量活动数据.
- 第二个原型采用了非参数的曼-肯达尔 (MK) 趋势测试.
- 用于序列相关性和扩展趋势建模 (Theil-Sen斜率) 的Yue-Wang校正增强了MK测试.
主要成果:
- 由于移动数据的高变化,控制图表没有效果.
- 使用岳旺校正的MK测试被证明是稳健的,适合进行活动数据分析.
- MK测试证明了对异常值的稳定性和适合检测阶段性趋势的适用性.
结论:
- 使用MK测试的实时趋势检测可以通过重叠的时间段来模拟.
- 建议进一步扩展趋势建模,以加强概念开发.
- 通过参数调整,可以优化测试灵敏度.


