Streamlining wearable data integration for EHDS: a case study on advancing healthcare interoperability using Garmin devices and FHIR
Notice bibliographique
Résumé
Introduction: Patient-Generated Health Data (PGHD) collected through wearable devices such as smartwatches offers new opportunities for personalized care, chronic disease management, and preventive health. Despite this potential, technical, regulatory, and interoperability challenges still limit the integration of PGHD into healthcare systems, especially in relation to standards such as Fast Healthcare Interoperability Resources (FHIR) and the European Health Data Space (EHDS). Methods: This study used the Garmin Vívoactive 4 smartwatch to collect PGHD and integrate it into a FHIR server via the Fitrockr hub and API. The Kodjin FHIR server was deployed to enable standardized data storage and transfer. In parallel, data from the Modular Open Research Platform (MORE) were examined for compatibility with FHIR resources. The process included device enrolment, data collection, mapping to FHIR specifications, and evaluation of compliance with General Data Protection Regulation (GDPR) requirements. Results: The prototype demonstrated that data from Garmin devices could be securely collected, mapped, and transferred into a FHIR environment. Integration through the Fitrockr hub ensured structured data formatting and reliability. The analysis of PGHD from the MORE platform confirmed that heterogeneous data types, including physiological measures and survey responses, could be represented with appropriate FHIR resources. These findings highlight the technical feasibility and scalability of PGHD integration. Discussion: The results confirm that PGHD from wearable devices can be standardized and transferred into healthcare systems in compliance with international standards and European regulations. This approach contributes to bridging the gap between personal health data and medical decision-making, supporting the objectives of the EHDS and enabling further use of PGHD in research and innovation.
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 | 0,015 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».