从带有颗粒过的门诊可穿戴设备进行循环周期估计:准确性取决于初始化,记录时间和光线暴露

科学领域:

• 时间生物学 时间生物学
• 可穿戴技术可穿戴技术
• 数学建模的数学建模

背景情况:

• 人类昼夜节律的数学模型在实验室环境中表现出色,但在现实世界的应用中失败.
• 轮班工人有不规则的时间表和暴露于光线的表现在模型性能中显示出显著的差异.
• 在门诊环境中,昼夜模型性能下降的确切原因尚未完全理解.

研究的目的:

• 评估初始化策略,记录时间和光照特征如何影响昼夜模型性能.
• 通过使用可穿戴技术,从光数据中预测昼夜阶段的模型准确性.
• 为了比较有规律时间表和轮班工人的个人之间的模型性能.

主要方法:

• 利用了来自有规律和不规律 (轮班工作) 时间表的人员的可穿戴数据.
• 实现了一个概率初始化框架,以解决未知的开始昼夜阶段.
• 通过从光照数据中预测昼夜阶段并将其与暗光黑激素发作测量进行比较来评估模型性能.

主要成果:

• 对于经常安排时间的人来说,随着记录时间的延长,模型的准确性得到了改善.
• 轮班工人没有显示数据持续时间增加的准确性增长,表明不同的响应模式.
• 更明亮,定期的光线暴露与更好的模型估计相关,而碎片化的光线暴露增加了不确定性.

结论:

• 当前的昼夜模式需要适应,特别是光敏感度参数,以便在自由生活,不规则的条件下有效执行.
• 这些发现凸显了对现实世界人口的强大,可扩展的昼夜跟踪解决方案的需求.
• 不规则的光照模式是限制现有昼夜模型在现实世界中适用的关键因素.