Respiration Rate Estimation Based on Independent Component Analysis of Accelerometer Data: Pilot Single-Arm Intervention Study
Notice bibliographique
Résumé
BACKGROUND: As the mobile environment has developed recently, there have been studies on continuous respiration monitoring. However, it is not easy for general users to access the sensors typically used to measure respiration. There is also random noise caused by various environmental variables when respiration is measured using noncontact methods in a mobile environment. OBJECTIVE: In this study, we aimed to estimate the respiration rate using an accelerometer sensor in a smartphone. METHODS: First, data were acquired from an accelerometer sensor by a smartphone, which can easily be accessed by the general public. Second, an independent component was extracted to calibrate the three-axis accelerometer. Lastly, the respiration rate was estimated using quefrency selection reflecting the harmonic component because respiration has regular patterns. RESULTS: From April 2018, we enrolled 30 male participants. When the independent component and quefrency selection were used to estimate the respiration rate, the correlation with respiration acquired from a chest belt was 0.7. The statistical results of the Wilcoxon signed-rank test were used to determine whether the differences in the respiration counts acquired from the chest belt and from the accelerometer sensor were significant. The P value of the difference in the respiration counts acquired from the two sensors was .27, which was not significant. This indicates that the number of respiration counts measured using the accelerometer sensor was not different from that measured using the chest belt. The Bland-Altman results indicated that the mean difference was 0.43, with less than one breath per minute, and that the respiration rate was at the 95% limits of agreement. CONCLUSIONS: There was no relevant difference in the respiration rate measured using a chest belt and that measured using an accelerometer sensor. The accelerometer sensor approach could solve the problems related to the inconvenience of chest belt attachment and the settings. It could be used to detect sleep apnea through constant respiration rate estimation in an internet-of-things environment.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».