Unobtrusive Monitoring of Sleep Cycles: A Technical Review
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
Polysomnography is the gold-standard method for measuring sleep but is inconvenient and limited to a laboratory or a hospital setting. As a result, the vast majority of patients do not receive a proper diagnosis. In an attempt to solve this issue, sleep experts are continually looking for unobtrusive and affordable alternatives that can provide longitudinal sleep tracking. Collecting longitudinal data on sleep can accelerate epidemiological studies exploring the effect of sleep on health and disease. These alternatives can be in the form of wearables (e.g., actigraphs) or nonwearable (e.g., under-mattress sleep trackers). To this end, this paper aims to review the several attempts made by researchers toward unobtrusive sleep monitoring, specifically sleep cycle. We have performed a literature search between 2016 and 2021 and the following databases were used for retrieving related articles to unobtrusive sleep cycle monitoring: IEEE, Google Scholar, Journal of Clinical Sleep Medicine (JCSM), and PubMed Central (PMC). Following our survey, although existing devices showed promising results, most of the studies are restricted to a small sample of healthy individuals. Therefore, a broader scope of participants should be taken into consideration during future proposals and assessments of sleep cycle tracking systems. This is because factors such as gender, age, profession, and social class can largely affect sleep quality. Furthermore, a combination of sensors, e.g., smartwatches and under-mattress sleep trackers, are necessary to achieve reliable results. That is, wearables and nonwearable devices are complementary to each other, and so both are needed to boost the field of at-home sleep monitoring.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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