城市环境对心血管健康的影响:利用机器学习进行可行性试点研究,以预测心力衰竭患者的心率变化

科学领域:

• 心脏病学 心脏病学
• 环境健康 环境健康
• 机器学习 机器学习

背景情况:

• 城市化与非传染性疾病有关,包括充血性心力衰竭 (CHF).
• 了解生活环境如何影响心率变化 (HRV) 等生理变量对于治疗慢性心脏病至关重要.
• 通过量化对心脏自主反应的环境影响,可以改进个性化的生活方式建议和远程康复策略.

研究的目的:

• 探索机器学习 (ML) 模型对HRV指标的预测能力.
• 确定和量化环境属性与心脏自主反应在CHF患者之间的关系.
• 验证ML在评估对生理变量的现实环境影响方面的能力.

主要方法:

• 20名参与者 (10名健康人,10名心血管疾病患者) 佩戴智能手表3周,收集活动,位置和心率 (HR) 数据.
• 环境属性是从谷歌街景图像中提取的.
• 训练并测试了ML模型以预测HRV指标,通过相关性,RMSE和Bland-Altman分析进行评估.

主要成果:

• ML模型成功地预测了与阴道活动相关的HRV指标 (例如HR,RMSSD,SDSD,HF功率),精度不同 (R > 0.8到R > 0.4).
• 模型在预测与整体自主活动相关的指标方面表现较差,原因是复杂的交感和副交感相互作用.
• 这项研究证明了ML在辨别对心脏自主反应的环境影响方面的潜力.

结论:

• 基于ML的模型在确定健康个体和CHF患者生活环境影响的阴道动力学方面表现有前途.
• 这种方法可能会为定制的生活方式建议和康复策略提供信息.
• 更好地了解环境对心脏功能的影响,可能会改善心脏病发作患者的预后和幸福感.