开发和验证智能手表算法,用于在健康监测中区分体育活动强度
Daixi Chen1,2, Yuchen Du2, Yuan Liu3
1Department of Ophthalmology, Shanghai General Hospital, Shanghai Jiao Tong University School of Medicine, National Clinical Research Center for Eye Diseases, Center of Eye Shanghai Key Laboratory of Ocular Fundus Diseases, Shanghai Engineering Center for Visual Science and Photomedicine, Shanghai, 200080, China.
Scientific reports
|April 25, 2024
概括
这项研究开发了一种使用智能手表数据的机器学习算法,以准确估计成人和儿童的体力活动 (PA) 强度. 该模型有效地对活动水平进行分类,有助于健康监测和研究.
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
- 机器学习在健康中的应用
背景情况:
- 准确估计体力活动 (PA) 强度对于健康监测和研究至关重要.
- 智能手表为客观的PA评估提供了潜力,但准确的强度估计仍然是一个挑战.
研究的目的:
- 开发和验证一个机器学习算法,用智能手表数据来估计身体活动强度.
- 评估算法在分类不同运动强度 (久坐,轻度,中度,强度) 的准确性,对成人和儿童.
主要方法:
- 使用了一款智能手表,能够记录PA并确定户外状态.
- 机器学习模型 (支持向量机,最小平方回归) 应用于原始智能手表数据,以估计代谢等效 (MET).
- 间接热量计是衡量能源消耗的黄金标准.
主要成果:
- 该算法在成人 (SED,MVPA,VPA的AUC为0.96,0.88,0.86) 和儿童 (SED,MVPA,VPA的AUC为0.98,0.89,0.85) 中显示出高的分类准确性.
- 估计的MET显示成人平均绝对误差 (MAE) 低,为0.75,儿童为0.80.
- 在真实和估计的MET之间观察到强烈的相关性 (成年人:r=0.87,ICC=0.89;儿童:r=0.79,ICC=0.84).
结论:
- 开发的机器学习模型从智能手表数据准确地估计了成人和儿童的体力活动强度.
- 这种经过验证的算法可以独立调查PA强度,支持健康监测和相关研究领域.
- 该模型的功能可以通过客观的PA评估来推进近视预防和控制等领域的研究.
