贝叶斯阶层建模和分析来自可穿戴设备的ACTIGRAPH数据

科学领域:

• 公共卫生 公共卫生
• 生物统计学 生物统计学
• 流行病学 流行病学

背景情况:

• 美国人身体活动水平较低,导致糖尿病,高血压和心脏病等可预防疾病.
• 监测人类活动对于开发与促进身体活动的环境因素相关的干预措施至关重要.
• 可穿戴设备 (动态图表单元) 生成总运动活动的高分辨率数据,需要先进的分析方法.

研究的目的:

• 开发一个贝叶斯层次模型来分析时空动图数据.
• 为了估计沿着特定轨迹的身体活动水平.
• 根据健康属性,识别与较高体力活动相关的轨迹和空间区域,并根据健康属性预测新轨迹中的活动.

主要方法:

• 利用贝叶斯的等级建模框架来分析时空动图数据.
• 将主体级健康属性和时空依赖性纳入模型.
• 将框架应用于洛杉矶通过可持续交通方法进行体力活动 (PASTA-LA) 研究的数据.

主要成果:

• 开发了一个完全基于模型推断活动轨迹的模型.
• 确定了与明显更高的体力活动水平相关的特定空间区域和轨迹.
• 考虑到不同学科和环境的体育活动模式的异质性.

结论:

• 建议的贝叶斯框架有效地分析时空动图数据,以了解身体活动模式.
• 这种方法可以通过识别鼓励身体活动的环境,为有针对性的公共卫生干预提供信息.
• 这些发现强调了在体育活动研究中考虑空间和时间因素以及个人健康属性的重要性.