睡眠质量属性可以从日常环境中的身体活动中预测吗?

科学领域:

• 身体生理学 身体生理学
• 生物医学工程 生物医学工程
• 数据科学数据科学数据科学

背景情况:

• 睡眠对整体健康至关重要,与身体活动有着确定的联系.
• 之前关于身体活动和睡眠质量的研究是有限的,特别是长期的.
• 现有的睡眠预测模型往往专注于单一的睡眠方面,忽视了全面的分析.

研究的目的:

• 开发一个睡眠持续时间,效率和深度睡眠的预测模型.
• 调查日常体力活动与睡眠质量之间的关系.
• 确定影响特定睡眠指标的关键身体活动参数.

主要方法:

• 使用极端梯度增强 (XGBoost) 模型进行睡眠预测.
• 在自由生活条件下,收集了34名使用OURA环的孕妇在6个月内收集的数据.
• 采用沙普利增量解释 (SHAP) 来确定特征的重要性.

主要成果:

• 实现了高预测准确率:睡眠时间为90.58%,睡眠效率为95.38%,深度睡眠为91.45%.
• 确定久坐时间是预测睡眠持续时间最有影响的因素.
• 发现不活动时间会对睡眠效率产生负面影响,怀孕周对深度睡眠的预测至关重要.

结论:

• XGBoost模型有效地预测了使用可穿戴设备衍生体育活动数据的多个睡眠参数.
• 身体活动指标,包括久坐和不活动时间,在怀孕期间显著影响睡眠质量.
• 怀孕周是深度睡眠的关键预测指标,强调了它对母亲睡眠健康的重要性.