A Multi-Sensor Monitoring System of Human Physiology and Daily Activities
Notice bibliographique
Résumé
OBJECTIVE: To present the design and pilot test results of a continuous multi-sensor monitoring system of real-world physiological conditions and daily life (activities, travel, exercise, and food consumption), culminating in a Web-based graphical decision-support interface. MATERIALS AND METHODS: The system includes a set of wearable sensors wirelessly connected to a "smartphone" with a continuously running software application that compresses and transmits the data to a central server. Sensors include a Global Positioning System (GPS) receiver, electrocardiogram (ECG), three-axis accelerometer, and continuous blood glucose monitor. A food/medicine diary and prompted recall activity diary were also used. The pilot test involved 40 type 2 diabetic patients monitored over a 72-h period. RESULTS: All but three subjects were successfully monitored for the full study period. Smartphones proved to be an effective hub for managing multiple streams of data but required attention to data compression and battery consumption issues. ECG, accelerometer, and blood glucose devices performed adequately as long as subjects wore them. GPS tracking for a full day was feasible, although significant efforts are needed to impute missing data. Activity detection algorithms were successful in identifying activities and trip modes but could benefit by incorporating accelerometer data. The prompted recall diary was an effective tool for augmenting algorithm results, although subjects reported some difficulties with it. The food and medicine diary was completed fully, although end times and medicine dosages were occasionally missing. CONCLUSIONS: The unique combination of sensors holds promise for increasing accuracy and reducing burden associated with collecting individual-level activity and physiological data under real-world conditions, but significant data processing issues remain. Such data will provide new opportunities to explore the impacts of human geography and daily lifestyle on health at a fine spatial/temporal scale.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».