使用消费级手腕穿戴设备检测静坐时间和发作:一个隐藏的半马尔科夫模型

科学领域:

• 生物医学工程 生物医学工程
• 数据科学数据科学数据科学
• 公共卫生 公共卫生

背景情况:

• 手腕戴式设备在研究和临床应用中为定性久坐时间提供了潜力.
• 准确测量久坐行为对于公共卫生倡议至关重要.
• 现有的方法可能无法充分利用消费级可穿戴设备的数据.

研究的目的:

• 开发和验证一个使用心率和步数数据的模型,以估计久坐时间和发作持续时间.
• 将拟议模型的性能与只有步骤模型和专有软件进行比较.
• 为研究人员提供一个开放的访问工具来描述久坐的行为.

主要方法:

• 开发和训练了两个隐藏的半马尔科夫模型:STEPHEN (整合心率和步骤) 和STEPCODE (只有步骤).
• 在自由生活条件下使用消费级Fitbit设备的数据.
• 通过使用中位数绝对百分比误差 (MDAPE) 和布兰德-阿尔特曼图表对研究级的activPAL设备数据进行验证的模型.

主要成果:

• 与OPTIMISE队列中的专有软件相比,STEPHEN在估计久坐时间比例方面表现出明显更好的准确性和一致性.
• 在OPTIMISE和ALLO-Active数据集中,STEPHEN比专有软件更准确地估计了通常的静坐时间.
• 虽然STEPHEN和STEPCODE在ALLO-Active中没有改善静坐时间比例估计,但STEPHEN显示出优越的抗发作持续时间准确性.

结论:

• 斯蒂芬模型有效地描述了久坐时间的比例和通常的久坐时间长度.
• 该方法作为一个开放式访问的R包,促进更广泛的研究使用.
• 用户可以使用预先训练的模型或在包中训练自己的模型.