开发一种基于加速度计的可穿戴传感器方法,用于检测酒精消耗
Nicholas J Bush1,2, Adriana K Cushnie1, Madison Sinclair1
1Department of Anesthesiology, University of Minnesota, Minneapolis, Minnesota, USA.
Alcohol, clinical & experimental research
|October 14, 2024
概括
消费者智能手表可以使用机器学习算法检测酒精消费. 这项技术为可访问的干预和研究酒精使用行为提供了基础.
科学领域:
- 生物医学工程 生物医学工程
- 机器学习 机器学习
- 公共卫生 公共卫生
背景情况:
- 酒精使用是一个重要的公共卫生问题,有限的,耻辱化的治疗选择.
- 可穿戴的加速度计传感器为可访问和负担得起的酒精使用检测提供了潜力.
- 由于进入和负担能力障碍,需要在酒精治疗方面进行创新.
研究的目的:
- 用智能手表数据比较分布式和随机森林分类算法,以检测使用智能手表的酒精消费.
- 评估这些算法在识别饮酒行为的准确性和灵敏性.
- 评估使用消费级智能手表用于客观监测酒精使用的可行性.
主要方法:
- 参与者 (n=194) 在州博览会上佩戴安卓智能手表,间隔饮用水.
- 混的行为 (例如,触摸脸) 与饮酒间隔,以测试算法特异性.
- 数据分析涉及比较分布式和随机森林分类模型.
主要成果:
- 与随机森林模型相比,分布算法实现了95%的准确性和更高的灵敏度 (76%),准确度为93%,灵敏度为32%.
- 分布算法证明了 significant equivalence to ground truth对于一口饮的持续时间和两口饮间隔的显著等价性.
- 随机森林模型没有显示 significant-sip 间隔的显著等价性.
结论:
- 消费级智能手表,结合机器学习和分布式算法,可以有效地检测和测量酒精使用.
- 这项研究为研究酒精的行为药理学提供了方法论基础.
- 这些发现支持开发可访问的,恰到好处的临床干预措施,用于酒精使用.


