使用可穿戴数据检测和分析代谢综合征的循环生物标志物:横截面研究

科学领域:

• 生物医学工程 生物医学工程
• 时间生物学 时间生物学
• 数据科学是数据科学.

背景情况:

• 可穿戴设备越来越多地用于健康监测和检测代谢综合征 (MetS) 等慢性疾病的数字生物标志物.
• 昼夜节律障碍与MetS有关,但很少有研究研究了用于MetS检测的可穿戴式衍生昼夜生物标志物.

研究的目的:

• 使用可穿戴设备数据 (步数和心率) 识别和分析与MetS相关的睡眠和昼夜节律生物标志物.
• 使用可解释的人工智能 (XAI) 精确确定MetS的关键生物标志物.

主要方法:

• 用Fitbit设备分析了272名参与者的数据 (88名有MetS),收集了分钟心率,步数和睡眠数据.
• 推导26个指标,包括睡眠标志物和昼夜节律标志物 (例如,节律的中线估计统计数据,幅度,日间稳定性,相对幅度).
• 引入一种新型标记物,连续波形昼夜节律能量 (CCE),从使用连续波形变换的心率信号中获得,并应用XAI模型 (Shapley增量解释,可解释的增强机器,表状神经网络) 进行显著性评估.

主要成果:

• 基于心率的昼夜节律标志物与MetS的关联比睡眠标志物更强.
• 新型CCE标志物在XAI模型中显示出对MetS识别的最大重要性,在MetS组中值明显较低 (P<.001).
• 相对幅度和低活动期 (基于心率) 也是显著的贡献者;在调整年龄,性别和BMI后,CCE保持了预测值.

结论:

• 连续波段昼夜节律能量 (CCE) 和心率相对幅度是MetS监测的昼夜节律关键生物标志物.
• 循环节律分析,特别是使用心率数据,提供了超出传统睡眠标记者的MetS有价值的见解.
• 基于可穿戴的昼夜生物标志物具有提高MetS评估和管理策略的巨大潜力.