移动健康数据的连续时间隐藏马尔科夫因子模型:应用于不良的创伤后神经精神病学后续
IEEE journal of biomedical and health informatics
|March 3, 2025
概括
客观移动数据可以跟踪不良创伤后神经精神病学后续 (APNS) 状态,帮助个性化治疗. 这项研究使用了一种新的纵向数据模型,以克服创伤恢复研究中主观自我报告的局限性.
科学领域:
- 神经科学是一个神经科学.
- 精神病学是一个精神病学.
- 数字健康数字健康
背景情况:
- 创伤后神经精神疾病 (APNS) 的不良后果每年影响数以百万计的创伤患者.
- 目前关于APNS的研究受到主观自我报告措施的限制,容易产生偏见.
- 需要客观数据来理解APNS神经生物学机制和恢复轨迹.
研究的目的:
- 调查客观,纵向移动设备数据的使用,以识别APNS状态.
- 检查随着时间的推移,APNS状态之间的动态过渡.
- 在创伤研究中克服主观自我报告的局限性.
主要方法:
- 开发一个连续时间隐藏的马尔科夫因子模型.
- 该模型应用于从创伤后恢复的先进理解 (AURORA) 研究中的纵向移动设备数据.
- 对客观移动数据的分析,以确定一致的APNS状态及其时间动态.
主要成果:
- 证明了使用移动设备数据用于创伤后持续健康监测的可行性.
- 使用新型建模方法识别了不同的APNS状态及其过渡.
- 强调客观数据在理解创伤恢复方面的潜力.
结论:
- 移动设备数据为客观,持续监测APNS提供了一个有希望的途径.
- 这种方法可以克服传统的主观报告方法的局限性.
- 利用移动健康数据可以指导创伤幸存者的个性化治疗策略.
更多相关视频
09:49Assessing Changes in Synaptic Plasticity Using an Awake Closed-Head Injury Model of Mild Traumatic Brain Injury
Published on: January 20, 2023
2.4K
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
7.0K
