利用机器学习算法进行个性化炼建议和监测:对智能手表辅助炼处方进行系统审查
Hassan Jubair1, Mithela Mehenaz2
1Department of Electrical and Electronic Engineering, Khulna University of Engineering and Technology, Khulna, Bangladesh.
Digital health
|September 8, 2025
概括
智能手表和机器学习 (ML) 系统显示出个性化健身和健康跟踪的前景. 未来的研究需要提高概括性,数据使用道德性和可解释性,以便更广泛地采用.
科学领域:
- 可穿戴技术可穿戴技术
- 医疗保健中的机器学习
- 数字健康数字健康
背景情况:
- 带有先进传感器的智能手表越来越多地用于健康和健身.
- 与机器学习 (ML) 算法的集成提供了个性化的练习和监控.
- 这些系统为量身定制的健康干预提供了新的机会.
研究的目的:
- 系统地审查智能手表ML系统的有效性.
- 确定健身和健康跟踪方面的局限性和实际应用.
- 评估它们在提供量身定制干预方面的作用.
主要方法:
- 按照PRISMA指南进行系统审查.
- 在五个数据库 (PubMed,Scopus等) 进行了搜索. 对于2000年至2023年期间的研究.
- 包括使用智能手表和ML算法对人类参与者的49项实证研究.
主要成果:
- 报告了活动识别和生命体征跟踪的高精度 (>98%).
- 由于实验室设置和狭窄的人口统计数据,外部有效性有限.
- 缺乏可解释的AI,行为适应和纵向验证.
结论:
- 智能手表-ML集成具有实时,个性化的健康支持的巨大潜力.
- 未来的研究应该侧重于概括性,数据的伦理治理和可解释性.
- 解决这些领域对于更广泛的临床采用和影响至关重要.


