Assessing Anxiety Disorders Using Wearable Devices: Challenges and Future Directions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Wearable devices (WD) are starting to increasingly be used for interventions to promote well-being by reducing anxiety disorders (AD). Electrocardiogram (ECG) signal is one of the most commonly used biosignals for assessing the cardiovascular system as it significantly reflects the activity of the autonomic nervous system during emotional changes. Little is known about the accuracy of using ECG features for detecting ADs. Moreover, during our literature review, a limited number of studies were found that involve ECG collection using WD for promoting mental well-being. Thus, for the sake of validating the reliability of ECG features for detecting anxiety in WD, we screened 1040 articles, and only 22 were considered for our study; specifically 6 on panic, 4 on post-traumatic stress, 4 on generalized anxiety, 3 on social, 3 on mixed, and 2 on obsessive-compulsive anxiety disorder articles. Most experimental studies had controversial results. Upon reviewing each of these papers, it became apparent that the use of ECG features for detecting different types of anxiety is controversial, and the use of ECG-WD is an emerging area of research, with limited evidence suggesting its reliability. Due to the clinical nature of most studies, it is difficult to determine the specific impact of ECG features on detecting ADs, suggesting the need for more robust studies following our proposed recommendations.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle