准备可穿戴数据用于人工智能驱动的HCT患者和护理人员的情绪和遵守预测

科学领域:

• 生物医学工程 生物医学工程
• 数据科学数据科学数据科学
• 在瘤学瘤学.

背景情况:

• 造血干细胞移植 (HCT) 是血液疾病的关键治疗方法,需要对患者和护理人员进行密切监测.
• 可穿戴设备提供连续的生理数据,但通常会产生非结构化,低质量的信息.
• 可穿戴设备的数据质量不佳可能导致不准确的健康预测和临床决策.

研究的目的:

• 开发新的预处理方法,为HCT患者和护理人员创建高质量的标准化可穿戴数据集.
• 增强可穿戴数据的临床意义和AI/ML准备度.
• 为了证明清理数据集在预测患者和护理人员情绪和合规性方面的有用性.

主要方法:

• 引入新的预处理技术,以清洁和标准化可穿戴生理数据.
• 从HCT患者和护理人员创建一个全面的AI/ML准备数据集.
• 应用机器学习算法来预测使用清理数据集的情绪和合规性.

主要成果:

• 开发用于可穿戴传感器数据的有效数据清理方法.
• 创建一个高质量的,临床上有意义的数据集,用于HCT患者和护理人员的监测.
• 有希望的初步结果预测情绪和合规性,展示了数据集的有效性.

结论:

• 提出的预处理方法显著提高了HCT患者和护理人员的可穿戴数据质量.
• 高质量的数据集对于机器学习应用,包括情绪和合规预测是有价值的.
• 这种方法支持在HCT护理中加强监测和决策.