在现实环境中使用Android和iOS智能手机收集的多模式传感器数据质量的比较评估

科学领域:

• 数字健康数字健康
• 生物医学工程 生物医学工程
• 可穿戴技术可穿戴技术

背景情况:

• 智能手机传感器数据越来越多地用于现实世界的健康行为研究.
• 智能手机硬件/软件的变化可能会影响数字生物标志物的数据可靠性.
• 需要量化数据变异性,以进行可靠的健康预测.

研究的目的:

• 为了比较加速度计,陀螺仪和GPS传感器数据的质量 (完整性,正确性,一致性).
• 分析Android和iOS设备内部和内部的变化.
• 评估传感器数据质量对健康相关推断的影响.

主要方法:

• 收集了来自3000名参与者的智能手机的现实世界传感器数据,长达84天.
• 比较数据质量指标,包括异常点密度 (APD) 和缺失数据比率 (MDR).
• 利用机器学习来根据传感器数据质量特征预测设备类型 (Android与iOS).

主要成果:

• 在Android和iOS设备内和设备之间观察到传感器数据质量的显著差异.
• 与Android相比,iOS设备的加速计数据异常点密度 (APD) 和缺失数据比率 (MDR) 较低.
• 设备类型 (Android与iOS) 仅基于传感器数据质量就能以高准确度 (0.98) 预测.

结论:

• 不同类型的智能手机平台导致传感器数据质量和健康推断的巨大差异.
• 评估,测量和调整这些差异对于基于智能手机传感器的健康评估至关重要.
• 了解特定设备的变化是开发标准化和包容性数字行为模式的关键,以获得健康结果.