在子宫内膜异位症中使用手腕穿戴的动图数据和等级贝叶斯模型对疲劳的个性化估计

科学领域:

• 生物医学工程 生物医学工程
• 数字健康数字健康
• 慢性疾病管理 慢性疾病管理

背景情况:

• 子宫内膜异位症是一种普遍的慢性疾病,会引起严重的疼痛和疲劳.
• 目前的症状评估依赖于主观的,回顾性的问卷.
• 可穿戴技术为客观,持续的症状监测提供了潜力.

研究的目的:

• 评估可穿戴式动态图数据在预测子宫内膜异位症患者疲劳水平方面的有效性.
• 为了比较一个层次化的贝叶斯回归模型与传统的线性模型来预测疲劳.

主要方法:

• 分析了56名子宫内膜异位症患者的纵向动图数据.
• 提取了193个日常动画特征,其中10个被选择用于建模.
• 使用一个离开一个参与者的交叉验证方法与等级贝叶斯回归.

主要成果:

• 与一般化线性回归 (2.03) 相比,贝叶斯模型实现了最低的平均参与者平均绝对误差 (1.42).
• 贝叶斯模型在捕捉疲劳变化方面表现优越 (平均皮尔森相关性为0.33).
• 实现了适应个体患者数据的个性化疲劳估计.

结论:

• 对动图数据的等级贝叶斯模型显示,对监测与子宫内膜异位症相关的疲劳有前途.
• 通过可穿戴设备进行被动的,持续的监测,有助于客观的,远程的症状跟踪和康复.
• 这种方法增强了对子宫内膜异位症患者的个性化护理.