多式联网物联网系统中的信息协同作用 - - 发现日常行为习惯对身体活动水平的影响

科学领域:

• 数字健康数字健康
• 行为科学 行为科学
• 数据挖掘 数据挖掘

背景情况:

• 每天的行为显著影响健康,需要先进的监测解决方案.
• 物联网 (IoT) 系统为跟踪日常工作提供了新的可能性.
• 现有的方法缺乏可解释性和可用于医疗保健专业人员的可操作洞察力.

研究的目的:

• 开发一种创新的方法来评估行为常规与健康指导方针的一致性.
• 使用多源物联网数据增强行为模型的可解释性.
• 通过数据驱动分析,为医疗保健专业人员提供可操作的见解.

主要方法:

• 整合来自环境传感器,智能手机和可穿戴设备的数据.
• 应用过程挖掘 (PM) 技术来生成可解释的行为模型.
• 集群方法通过遵守健康指南来分组日常活动,并确定行为特征.

主要成果:

• 在老年护理案例研究中对日常体力活动水平的分类 (不足,足够,可取).
• 通过单一来源监测无法检测到的行为变异的识别.
• 可视化 (日历,时间表) 帮助卫生专家进行纵向监测和干预计划.
• 在 COVID-19 封锁和斋月等背景事件期间早期检测行为变化.

结论:

• 这种方法提高了行为模型的解释性,并将日常工作与健康指南联系起来.
• 这意味着智能医疗保健中的行为分析具有前途的方向.
• 通过连续的物联网数据监控,支持个性化干预和更健康的日常工作.