流行病查中的压力监测:来自GSR传感器和机器学习分析的见解
Antonios Georgas1, Anna Panagiotakopoulou1, Grigorios Bitsikas1
1Laboratory of Electronic Sensors, National Technical University of Athens, 15772 Athens, Greece.
Biosensors
|January 24, 2025
概括
在快速COVID-19查期间,患者的压力显著增加. 加尔瓦皮肤反应 (GSR) 传感器检测到焦虑的增加,可能会影响公共卫生查的有效性.
科学领域:
- 生物医学工程 生物医学工程
- 心理生理学 心理生理学
- 公共卫生 公共卫生
背景情况:
- 在传染病查期间评估患者的压力对于有效的公共卫生战略至关重要.
- 与诊断程序相关的焦虑可能会影响患者的遵守和数据准确性.
研究的目的:
- 调查和量化接受快速严重急性呼吸系统综合征冠状病毒2 (SARS-CoV-2) 查的个体所经历的压力水平.
- 探索皮反应 (GSR) 传感器和机器学习在COVID-19测试期间客观测量压力的实用性.
主要方法:
- 在SARS-CoV-2测试场所收集了51名参与者的GSR数据,使用连接到微控制器的传感器.
- 经验GSR数据与理论压力估计进行了比较.
- 采用机器学习分类算法来自动分析和识别压力状态 ("有压力"或"没有压力").
主要成果:
- 在快速COVID-19测试程序期间,在个人中观察到压力水平的显著增加.
- 通过机器学习分析的GSR传感器数据,准确识别了应激反应.
- 这项研究证实了查过程与高焦虑之间的相关性.
结论:
- 快速的COVID-19查程序显然会引起患者的重大压力.
- 使用GSR和机器学习进行客观压力测量是可行的,并提供了有价值的见解.
- 查期间的高度焦虑可能会阻止参与,可能会破坏针对传染病控制的公共卫生工作.
更多相关视频
10:45A Community-based Stress Management Program: Using Wearable Devices to Assess Whole Body Physiological Responses in Non-laboratory Settings
Published on: January 22, 2018
7.6K
06:37Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
Published on: December 15, 2023
2.6K
