对日常家庭活动模式的变化点检测:切片式的Poisson过程方法
Israel Martínez-Hernández1, Rebecca Killick1
1School of Mathematical Sciences, Lancaster University, Lancaster, LA1 4YW, United Kingdom.
Biometrics
|October 21, 2024
概括
检测日常行为模式的变化可以表明健康状况下降. 这项研究将日常活动模拟为Poisson过程,以确定早期健康监测的重大日常行为转变.
科学领域:
- 卫生监测健康监测
- 行为科学是一种行为科学.
- 统计建模 统计建模
背景情况:
- 基于家庭的疾病预防和健康改善正在彻底改变医疗保健.
- 监测日常活动的变化可以表明潜在的健康问题.
- 区分日常模式的变化和日常变化对于准确的健康评估至关重要.
研究的目的:
- 开发一种方法来检测日常行为模式的变化,将其与正常的日常波动区分开来.
- 模拟日常活动数据,以识别潜在健康下降的重要转变.
- 提供可视化和可解释的方法来追踪随时间推移的健康趋势.
主要方法:
- 模拟每日事件时间作为不均的Poisson过程的实现,时间变化速率.
- 为这些不均的波桑过程的序列开发变化检测方法.
- 使用模拟家庭活动数据评估方法.
主要成果:
- 拟议的方法有效地检测连续几天日常行为模式的变化.
- 该方法允许可视化和解释随着时间的推移检测到的变化和趋势.
- 模拟数据评估证明了局部变化信息在识别日常活动中变化的有用性.
结论:
- 这种方法通过检测日常行为模式的微妙变化,为监测健康提供了一种新的方法.
- 不均的波桑过程模型为分析时间活动数据提供了一个强大的框架.
- 能够想象趋势的能力有助于早期发现家庭活动可能导致的健康下降.
