A Scalable System for Passively Monitoring Oral Health Behaviors Using Electronic Toothbrushes in the Home Setting: Development and Feasibility Study
Notice bibliographique
Résumé
BACKGROUND: Dental disease (including dental caries and periodontal disease) is largely preventable and closely linked to inadequate oral health behaviors. Digital health technologies have great potential for unobtrusively monitoring brushing behaviors in home settings and promoting optimal oral self-care routines at scale. OBJECTIVE: The aim of this study is to leverage the ubiquity of electronic toothbrushes and smartphones with the development of a Remote Oral Behaviors Assessment System (ROBAS) and evaluate its feasibility for passively tracking brushing behaviors in real-world settings. METHODS: We developed ROBAS by linking inertial sensors contained within consumer electronic toothbrushes to a scalable software platform comprised of a smartphone app linked to a cloud platform. First, the criterion validity of ROBAS for accurately capturing brushing details was established in a laboratory setting. Next, real-world performance and usability were evaluated in a stratified community sample of 32 participants who used ROBAS daily for 1 month and maintained a diary of their brushing episodes. Semistructured interviews at baseline and exit captured the user experience. We used regression models and Bland-Altman analyses to assess the criterion validity, functionality, accuracy, and consistency of ROBAS. RESULTS: Using a stopwatch as the criterion reference, ROBAS showed a mean absolute percent error (MAPE) of 1.8%, an estimated bias of 0.64 seconds that was not statistically distinguishable from zero (95% CI -0.93 to 2.22 seconds, SE 0.79), and a connection failure rate of 6.7% (95% CI 0.8%-22.1%, SE 4.6%). In real-world testing, ROBAS showed close agreement with the daily diary recordings of brushing episodes; estimated average discrepancies between the diary and ROBAS were 0.13 sessions per day (95% CI 0.01-0.26, SE 0.06), 8.0 seconds per brushing session (95% CI 1.4-14.7, SE 3.3), and 30 seconds of brushing per day (95% CI 9.3-50.1, SE 10.0). Retrospective self-reports produced substantially higher estimates of brushing frequency and duration compared to ROBAS measurements. Participants reported ROBAS was easy to use and expressed an interest in receiving ROBAS-delivered feedback on their brushing behaviors. Most participants were bothered by the use of an additional study phone, and some reported connectivity-related issues. CONCLUSIONS: ROBAS has a high criterion validity for measuring oral health behaviors. It can accurately and reliably monitor brushing patterns in home settings for extended periods. Unobtrusive data collection through ROBAS sets the stage for automated coaching and optimization of oral self-care practices at the individual and population level.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».