Aiding clinical decision-making at the individual and community level using mobile sensor data – A study protocol for an experimental design (Preprint)
Notice bibliographique
Résumé
Background: The mobile sensor data can provide vital information about patients' behavior and physical activity.In particular, the mobile accelerometer sensor data, if monitored effectively, can be used further for keeping the watch on the physical activity of an individual and planning an intervention to improve it.These sensor data can also be used for improving clinical decisionmaking in sedentary lifestyle-related diseases.Objective: The objective of this study is to use the accelerometer sensor metadata of the mobile device in facilitating the delivery of interventions to enhance physical activity.Methods: A sequential explanatory mixed-method research design would be used between June 2022 to December 2022.The physical activity-related accelerometer sensor data will be collected from individuals with a sedentary lifestyle between the age of 30 to 45 visiting the clinics of selected health care providers in Chennai, Tamil Nadu.Based on the initial data recorded, an individualized activity plan will be created.Periodic monitoring of physical activity levels will be conducted over a three months period.Participants will receive the message from clinicians based on their current physical activity levels for encouraging them to adhere to the prescribed regimen suggested by clinicians. Results:The proposed research will help in exploring the role of remote monitoring of sensor data in improving adherence to physical activity plan as prescribed by their clinicians.It will also help in studying the variables that influence the monitoring of remote data collection.Conclusions: This study will help to bring improvement in the physical activity levels of patients with a sedentary lifestyle and with confirmed hypertension and type-2 diabetes through remote monitoring, ongoing messaging, and facilitation through clinical decision-making.
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 | 0,051 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,046 | 0,011 |
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 ».