使用可穿戴设备通过机器学习算法预测生育窗口和月经

科学领域:

• 生殖内分泌学和生育追踪.
• 生物医学工程和可穿戴技术.
• 机器学习在妇女健康中的应用.

背景情况:

• 准确预测生育窗口和月经期对于计划生育和生殖健康管理至关重要.
• 传统的循环追踪方法可能不准确,特别是对于周期不规则的人来说.
• 可穿戴设备为持续的生理数据收集提供了一种非侵入性的方法.

研究的目的:

• 开发和评估用于预测生育窗口和月经的机器学习算法.
• 评估使用可穿戴设备 (华为Band 6 Pro) 的生理数据进行周期预测的可行性.
• 为了研究常规和不规则月经者的算法性能.

主要方法:

• 一项前性观察队列研究,涉及136名定期和47名不规则的月经.
• 使用华为Band 6 Pro在两个月经周期内收集手腕皮肤温度 (WST),心率,心率变化和呼吸率.
• 基于WST和心率数据的机器学习算法的开发,用于生育窗口和月经预测.

主要成果:

• 对于经常月经的人来说,肥沃窗口预测达到85.47%的准确率 (AUC 0.869),而预测月经前3天的准确率为75.0%.
• 算法证明了定期月经的可靠性能,预测生育窗口的特异性超过89%.
• 对于不规律的月经,肥沃窗口预测准确率为79.85% (AUC 0.763),表明尽管敏感性较低,但潜在的效用.

结论:

• 使用可穿戴设备数据 (WST和心率) 的机器学习算法在预测常规月经者的生育窗口和月经时表现出可靠的性能.
• 这些算法有可能帮助不规律的月经患者管理他们的月经周期和计划怀孕.
• 与机器学习集成的可穿戴技术为个性化生殖健康监测提供了一个有希望的途径.