年轻成年人自我报告的睡眠质量与单任务步态之间的关联:一项使用机器学习的研究

科学领域:

• 生物力学 生物力学
• 睡眠科学 睡眠科学
• 数据科学数据科学数据科学

背景情况:

• 主观睡眠质量对整体健康至关重要.
• 步态分析为健康状况提供了潜在的客观指标.
• 以前的研究表明,步态和睡眠之间存在联系,但需要复制.

研究的目的:

• 复制一项研究,研究年轻成年人的步态和睡眠质量的生物力学相关性.
• 为了确定与自我报告的睡眠质量相关的特定步态参数.
• 评估基于步态数据的机器学习模型对睡眠质量的预测准确度.

主要方法:

• 招募了123名年轻人完成匹兹堡睡眠质量清单.
• 采集了53名参与者使用可穿戴惯性测量传感器的步态数据.
• 应用机器学习模型 (AdaBoost,支持矢量分类器) 和ANCOVA用于分析.

主要成果:

• AdaBoost模型实现了0.77的相关系数;支持向量的分类器具有62%的准确性.
• 睡眠质量不佳的关键特征包括骨盆倾斜和步行启动.
• 睡眠不良的人表现出骨盆倾斜变化减少,特别是在转后开始步行时,并难以保持步行速度.

结论:

• 单任务步态分析在预测年轻人主观睡眠质量的准确性有限.
• 步行变化,特别是盆腔倾斜和步行启动,与睡眠卫生不良有关.
• 未来使用更大的样本和纵向设计的研究可能会更好地阐明步态和客观睡眠测量之间的关系.