预测社区居住的晚年成年人的昼夜阶段,使用动图数据

科学领域:

• 时间生物学 时间生物学
• 老年学是一门学科.
• 可穿戴技术可穿戴技术

背景情况:

• 精确的昼夜阶段估计在慢性治疗,减轻疲劳和调度方面具有应用.
• 使用可穿戴数据的算法可以预测基于实验室的昼夜阶段测量.
• 老年人可能表现出改变的昼夜计时,需要在现实世界中进行验证.

研究的目的:

• 验证和扩展对晚年成年人 (58-86岁) 昼夜阶段预测的算法.
• 在家庭环境中使用动态图数据评估模型性能.
• 将基于活动的模型与基于光和睡眠的预测进行比较.

主要方法:

• 四个数学模型被用来预测暗光黑激素发作 (DLMO).
• 在家庭环境中分析了58至86岁的成年人的动图数据.
• 模型预测与地面真相DLMO进行了比较,并与基于光的模型和来自动图的睡眠指标进行了验证.

主要成果:

• 所有四种模型都预测了DLMO,平均绝对误差大约为1.4小时或更低,使用动图数据.
• 基于活动的模型模拟与基于光的预测一样好或更好.
• 基于高阶和非光学活动的模型显示,与来自动图的睡眠指标相比,其表现优越.

结论:

• 使用可穿戴设备数据的数学建模,可以在晚年成年人中合理估计昼夜节律.
• 基于活动的模型为老年人群的现实世界昼夜阶段估计提供了一个有希望的方法.
• 这项研究验证了在新型队列中先前的发现,并突出了可穿戴技术在个性化健康应用中的潜力.