Usability of Smart Home Thermostat to Evaluate the Impact of Weekdays and Seasons on Sleep Patterns and Indoor Stay: Observational Study
Notice bibliographique
Résumé
BACKGROUND: Sleep behavior and time spent at home are important determinants of human health. Research on sleep patterns has traditionally relied on self-reported data. Not only does this methodology suffer from bias but the population-level data collection is also time-consuming. Advances in smart home technology and the Internet of Things have the potential to overcome these challenges in behavioral monitoring. OBJECTIVE: The objective of this study is to demonstrate the use of smart home thermostat data to evaluate household sleep patterns and the time spent at home and how these behaviors are influenced by different weekdays and seasonal variations. METHODS: From the 2018 ecobee Donate your Data data set, 481 North American households were selected based on having at least 300 days of data available, equipped with ≥6 sensors, and having a maximum of 4 occupants. Daily sleep cycles were identified based on sensor activation and used to quantify sleep time, wake-up time, sleep duration, and time spent at home. Each household's record was divided into different subsets based on seasonal, weekday, and seasonal weekday scales. RESULTS: Our results demonstrate that sleep parameters (sleep time, wake-up time, and sleep duration) were significantly influenced by the weekdays. The sleep time on Fridays and Saturdays is greater than that on Mondays, Wednesdays, and Thursdays (n=450; P<.001; odds ratio [OR] 1.8, 95% CI 1.5-3). There is significant sleep duration difference between Fridays and Saturdays and the rest of the week (n=450; P<.001; OR 1.8, 95% CI 1.4-2). Consequently, the wake-up time is significantly changing between weekends and weekdays (n=450; P<.001; OR 5.6, 95% CI 4.3-6.3). The results also indicate that households spent more time at home on Sundays than on the other weekdays (n=445; P<.001; OR 2.06, 95% CI 1.64-2.5). Although no significant association is found between sleep parameters and seasonal variation, the time spent at home in the winter is significantly greater than that in summer (n=455; P<.001; OR 1.6, 95% CI 1.3-2.3). These results are in accordance with existing literature. CONCLUSIONS: This is the first study to use smart home thermostat data to monitor sleep parameters and time spent at home and their dependence on weekday, seasonal, and seasonal weekday variations at the population level. These results provide evidence of the potential of using Internet of Things data to help public health officials understand variations in sleep indicators caused by global events (eg, pandemics and climate change).
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».