相关实验视频
Updated: Jan 13, 2026

Multi-Modal Home Sleep Monitoring in Older Adults
Published on: January 26, 2019
个性化机器学习干预以改善睡眠质量使用可穿戴技术在健康的中年成年人从墨西哥城:试点随机对照试验的协议
Rodrigo Quezada Reyes1, Luis A Trejo1
1Computer Science Department, School of Engineering and Science, Tecnologico de Monterrey, Carretera al Lago de Guadalupe Km 3.5, Col. Margarita Maza de Juarez, Atizapán de Zaragoza, Estado de México, 52926, Mexico, 52 5558645555.
使用可穿戴设备进行机器学习个性化睡眠干预,有望改善成人睡眠质量. 这项试点研究表明,个性化的睡眠建议优于通用建议,为量身定制的睡眠健康策略铺平了道路.
科学领域:
- 睡眠科学 睡眠科学
- 医疗保健中的人工智能
- 数字健康数字健康
背景情况:
- 在全球范围内,睡眠不满的普遍性很高,很大比例的成年人报告睡眠质量差和缺乏能量.
- 包括墨西哥在内的各种成年人群体中,经常有关于睡眠问题和不满的报道.
- 越来越需要有效的干预措施来改善一般成人人口的睡眠质量.
研究的目的:
- 通过使用消费者可穿戴数据,测试由机器学习 (ML) 驱动的个性化睡眠干预的有效性.
- 为了比较ML个性化睡眠建议与通用睡眠卫生教育的有效性.
- 评估来自墨西哥城的健康中年成人睡眠得分的改善.
主要方法:
- 试验性随机对照试验 (RCT) 涉及32名参与者,按性别分层.
- 使用三星Galaxy Watch 4设备收集60天的数据,用于客观的睡眠指标.
- 机器学习模型 (沙普利增量解释,递归特征消除) 来识别关键睡眠参数以提供个性化的建议.
主要成果:
- 该研究正在进行中,预计到2025年12月收集数据,预计到2026年3月获得结果.
- 主要结局是从基线到干预阶段的睡眠评分 (1-100) 的变化.
- 二次结果包括匹兹堡睡眠质量指数 (PSQI) 全球分数对主观验证的变化.
结论:
- 通过消费者可穿戴设备建立ML个性化睡眠干预措施的可行性和初步效果大小.
- 建议个性化睡眠干预措施可能会优于通用建议来改善睡眠质量.
- 为可扩展,个性化的睡眠健康干预提供了一个框架.
更多相关视频
08:36Collecting Sleep, Circadian, Fatigue, and Performance Data in Complex Operational Environments
Published on: August 8, 2019
05:51Assessing the Accuracy of Fitness Smartwatch Data for Cardiovascular and Physical Activity Monitoring: A Validation Study in Digital Health
Published on: February 21, 2025
相关概念视频
Management of Insomnia
Insufficient Sleep and Sleep Deprivation
Sleep deprivation is a more severe form of sleep loss...
Blind Procedures
Sleep Apnea
The condition is more prevalent among...
Substance Use Disorders Affecting Sleep
Understanding the concepts of physical dependence,...