CHAP-Adult:一个可靠和有效的算法来分类坐着和测量坐着的模式,使用35岁成年人的部穿戴加速计数据
John Bellettiere1, Supun Nakandala2, Fatima Tuz-Zahra1
1Herbert Wertheim School of Public Health and Human Longevity Science, University of California San Diego, La Jolla, CA, USA.
Journal for the measurement of physical behaviour
|January 23, 2024
概括
一个新的深度学习模型,CHAP-Adult,准确地测量坐着的模式,使用成人的部穿戴的加速度计. 这一进步改善了久坐行为研究和对其健康影响的理解.
科学领域:
- 生物医学工程 生物医学工程
- 可穿戴技术可穿戴技术
- 公共卫生研究 公共卫生研究
背景情况:
- 部佩戴的加速度计被广泛用于身体活动监测.
- 传统的数据处理方法 (例如,每分钟100次计数) 在评估坐姿模式时缺乏准确性.
- 准确测量久坐行为对于理解其对健康的影响至关重要.
研究的目的:
- 开发和验证一种新型模型,使用部穿戴的加速度计数据准确分类坐着和坐着的模式.
- 改进对不同成年人群体中久坐不动行为的评估.
主要方法:
- 一个深度学习模型,CHAP-Adult (卷积神经网络部加速仪姿势-成年人),使用30Hz三轴部穿戴加速仪数据进行训练.
- 该模型使用activPAL的坐/不坐事件作为基本真相.
- 培训数据包括来自两个大陆的981名成年人 (年龄为35-99岁);验证涉及419名成年人.
主要成果:
- 在CHAP-Adult的研究中,与activPAL在静坐时间,休息时间和发作持续时间方面表现出强烈的一致性和高相关性.
- 平均误差很低,大多数指标的百分比误差一般低于10%.
- 验证结果在各种人口统计学方面是一致的,在BMI≥30 kg/m2的个体中存在轻微的偏差.
结论:
- CHAP-Adult模型代表了坐着和坐着模式的门诊测量方面的重大进步.
- 该模型显示了高准确性和可靠性,用于使用部佩戴加速度计对静坐行为进行分类.
- 在等待外部验证之前,CHAP-Adult有可能在坐姿行为的流行病学研究中得到广泛的全球应用.
