使用可穿戴传感器数据预测痴呆症患者家庭护理人员的睡眠质量,来自不同人群的患者使用可穿戴传感器数据

科学领域:

• 老年学是指老年学的学科.
• 医疗信息学 医疗信息学
• 机器学习 机器学习

背景情况:

• 痴呆症患者的家庭照顾者经历了严重的压力和睡眠障碍.
• 代表性不足的护理人员群体面临着独特的挑战,包括文化和语言障碍.
• 睡眠质量不佳会对护理人员的幸福感和护理效率产生负面影响.

研究的目的:

• 研究可穿戴技术在预测代表性不足的痴呆症护理人员人群中睡眠质量的实用性.
• 确定与这一人口群体的睡眠质量相关的生理和行为标记.
• 开发用于预测睡眠质量的机器学习模型.

主要方法:

• 来自代表性不足的群体的29名护理人员戴着智能手表,在529天内跟踪生理和行为数据.
• 数据分析涉及70个特征和随机森林,k-最近邻居和XGBoost分类器的开发.
• 用曲线下的面积,F1得分和精度等指标评估模型性能.

主要成果:

• 随机森林分类器表现出高效率,AUC为0.86,F1得分为0.87,精度为0.84.
• 睡眠质量与包括唤醒压力,唤醒心率,久坐时间,行驶距离和睡眠时间在内的因素之间发现了显著的相关性.
• 穿戴式传感器数据为护理人员的睡眠模式提供了宝贵的见解.

结论:

• 可穿戴技术在评估和预测来自不同背景的痴呆症护理人员的睡眠质量方面表现有前途.
• 调查结果可以为开发个性化干预措施提供信息,以支持护理人员的福祉.
• 这种方法为监测和改善服务不足的护理人员群体的睡眠健康提供了一个可扩展的解决方案.