从CAN-BIND健康监测研究中使用一年的连续动态图进行长期纵向动态图数据处理的标准化工作流程

科学领域:

• 数字健康数字健康
• 可穿戴技术是可穿戴的技术.
• 睡眠科学 睡眠科学

背景情况:

• 通过可穿戴设备的长期睡眠和活动监测,如手腕穿戴的动图仪,可以提供个性化的家庭数据收集.
• 分析广泛的纵向动图数据需要标准化的预处理,数据修剪和高级算法来管理非磨损和缺失的数据.

研究的目的:

• 开发和评估数据驱动的管道,用于质量控制,预处理和分析一年长的动图数据.
• 通过敏感性分析评估非磨损和缺失数据对睡眠变量和抑郁症状的影响.
• 引入一种新的非磨损检测算法,以提高数字健康研究中的数据质量.

主要方法:

• 实施了一个开源管道用于纵向动图数据处理,包括缺失数据归算和睡眠/清醒评分.
• 对95名参与者进行了为期一年的研究,分析了随着时间的推移,合规性和缺失的数据模式.
• 开发并验证了一种新的不磨损算法,将其性能与现有方法和电容磨损传感器进行比较.

主要成果:

• 在12个月的时间里,参与者对Actigraph磨损的遵守率下降,缺失数据从4.8%增加到23.6%.
• 灵敏度分析证实,预处理值显著影响变量对睡眠结果的预测能力.
• 新的非磨损算法在质量控制方面表现出优异的性能,与其他算法和电容磨损传感器相比.

结论:

• 强大的数据处理和质量控制对于可靠的纵向动图学研究至关重要.
• 一个新的非磨损检测算法提高了数字健康研究中的数据准确性.
• 研究结果为未来数字健康研究的设计提供了信息,这些研究将利用可穿戴传感器数据进行睡眠和活动监测.