論文の概要: N=1 Modelling of Lifestyle Impact on SleepPerformance

• arxiv url: http://arxiv.org/abs/2006.10884v1
• Date: Thu, 18 Jun 2020 22:43:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-13 13:27:23.822607
• Title: N=1 Modelling of Lifestyle Impact on SleepPerformance
• Title（参考訳）: N=1 睡眠性能に及ぼすライフスタイルの影響のモデル化
• Authors: Dhruv Upadhyay, Vaibhav Pandey, Nitish Nag, Ramesh Jain
• Abstract要約: 睡眠は健康な生活に欠かせない。 最近の研究にもかかわらず、実際の環境でパーソナライズされた睡眠モデルを作成することは困難だった。 本研究では,日常活動と睡眠品質の因果関係を同定する睡眠モデルを提案する。
• 参考スコア（独自算出の注目度）: 2.9073923339818006
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sleep is critical to leading a healthy lifestyle. Each day, most people go to sleep without any idea about how their night's rest is going to be. For an activity that humans spend around a third of their life doing, there is a surprising amount of mystery around it. Despite current research, creating personalized sleep models in real-world settings has been challenging. Existing literature provides several connections between daily activities and sleep quality. Unfortunately, these insights do not generalize well in many individuals. For these reasons, it is important to create a personalized sleep model. This research proposes a sleep model that can identify causal relationships between daily activities and sleep quality and present the user with specific feedback about how their lifestyle affects their sleep. Our method uses N-of-1 experiments on longitudinal user data and event mining to generate understanding between lifestyle choices (exercise, eating, circadian rhythm) and their impact on sleep quality. Our experimental results identified and quantified relationships while extracting confounding variables through a causal framework. These insights can be used by the user or a personal health navigator to provide guidance in improving sleep.
• Abstract（参考訳）: 睡眠は健康的なライフスタイルを導くのに不可欠である。 毎日、ほとんどの人は、夜の休息がどうなるかを知らずに寝ます。 人類が人生の約3分の1を過ごしている活動には、驚くほどの謎がある。 現在の研究にもかかわらず、現実世界でのパーソナライズされた睡眠モデルの作成は困難だった。 既存の文献では、日常生活と睡眠の質の間にいくつかの関連がある。 残念ながら、これらの洞察は多くの個人においてうまく一般化しない。 これらの理由から、パーソナライズされた睡眠モデルを作成することが重要である。 本研究は,日常生活と睡眠の質の因果関係を識別し,生活習慣が睡眠に与える影響に関するフィードバックをユーザに提示する睡眠モデルを提案する。 本手法では, ライフスタイル選択(運動, 食事, 概日リズム)の理解と, 睡眠の質に及ぼす影響について, N-of-1実験を用いて検討した。 実験の結果,因果関係を同定し,因果関係から変数を抽出した。 これらの洞察は、睡眠を改善するためのガイダンスを提供するために、ユーザまたはパーソナルヘルスナビゲータによって利用することができる。

関連論文リスト

• What Radio Waves Tell Us about Sleep [34.690382091650314]
  本研究では、睡眠中の人から反射される電波からの睡眠と夜間呼吸を受動的にモニタリングする高度な機械学習アルゴリズムを開発した。 睡眠時無呼吸(AUROC=0.88)を検知し,睡眠時無呼吸を検知した。 このモデルは、睡眠段階と、神経、精神医学、循環器、免疫疾患を含む様々な疾患の間の情報的相互作用を明らかにする。
  論文  参考訳（メタデータ） (2024-05-20T02:41:21Z)
• MoCa: Measuring Human-Language Model Alignment on Causal and Moral Judgment Tasks [49.60689355674541]
  認知科学の豊富な文献は人々の因果関係と道徳的直観を研究してきた。 この研究は、人々の判断に体系的に影響を及ぼす多くの要因を明らかにした。 大規模言語モデル(LLM)が、人間の参加者と一致するテキストベースのシナリオについて因果的、道徳的な判断を下すかどうかを検証する。
  論文  参考訳（メタデータ） (2023-10-30T15:57:32Z)
• Editing Personality for Large Language Models [73.59001811199823]
  本稿では,Large Language Models (LLMs) の性格特性の編集に焦点をあてた革新的なタスクを紹介する。 このタスクに対処する新しいベンチマークデータセットであるPersonalityEditを構築します。
  論文  参考訳（メタデータ） (2023-10-03T16:02:36Z)
• Sleep Activity Recognition and Characterization from Multi-Source Passively Sensed Data [67.60224656603823]
  睡眠活動認識法は、被験者の睡眠覚醒サイクルを評価し、監視し、特徴づけ、行動の変化を検出する指標を提供することができる。 本稿では,スマートフォンから受動的に知覚されたデータを連続的に操作して,睡眠の特徴を識別し,重要な睡眠エピソードを識別する一般的な方法を提案する。 これらの装置は、その用途により、連続的で客観的で非侵襲的な方法で被験者の生体リズムをプロファイルするための優れた代替データ源となっている。
  論文  参考訳（メタデータ） (2023-01-17T15:18:45Z)
• Heterogeneous Hidden Markov Models for Sleep Activity Recognition from Multi-Source Passively Sensed Data [67.60224656603823]
  精神科患者の受動的活動監視は、リアルタイムでの行動変化を検出するために不可欠である。 睡眠行動認識は、患者の活動サイクルを表現する行動マーカーである。 スマートフォンから受動的に検出されたデータは、患者の生体リズムに優れた代替手段である。
  論文  参考訳（メタデータ） (2022-11-08T17:29:40Z)
• Continual learning benefits from multiple sleep mechanisms: NREM, REM, and Synaptic Downscaling [51.316408685035526]
  先行学習を失うことなく、新しいタスクやスキルを連続して学習することは、人工ニューラルネットワークと生物学的ニューラルネットワークの両方にとって、計算上の課題である。 本稿では,3つの異なる睡眠成分のモデル化が,人工ニューラルネットワークの連続学習にどのように影響するかを検討する。
  論文  参考訳（メタデータ） (2022-09-09T13:45:27Z)
• Personalised recommendations of sleep behaviour with neural networks using sleep diaries captured in Sleepio [11.243440695021567]
  Big Healthと共同で、私たちは401,174回の睡眠日記のランダムなサンプルからデータを分析しました。 個人の睡眠行動と睡眠の質をパーソナライズされた方法でモデル化するニューラルネットワークを構築した。 ニューラルネットワークは、ユーザーがどの睡眠習慣に従うべきかをパーソナライズしたレコメンデーションを生成し、睡眠の質を最大化する。
  論文  参考訳（メタデータ） (2022-07-29T18:29:05Z)
• Surf or sleep? Understanding the influence of bedtime patterns on campus [12.804331479852909]
  睡眠不足は心身の深刻な問題を引き起こすことがある。 現在の研究のほとんどは、小さなサンプルサイズと社会的望ましくないバイアスに悩まされている自己申告とアンケートに基づいている。 本稿では,学習管理システムに格納されているインターネットアクセスパターンに基づいて,学生の睡眠パターンを識別する汎用データ駆動手法を開発した。
  論文  参考訳（メタデータ） (2022-02-18T16:05:29Z)
• PARIS: Personalized Activity Recommendation for Improving Sleep Quality [1.746071703430171]
  睡眠不足の人は、身体的・精神的苦痛、活動制限、不安、痛みを報告しやすい。 身体活動と睡眠の質の関係を利用して、機械学習技術を用いて睡眠を改善する方法を探る。
  論文  参考訳（メタデータ） (2021-10-26T14:50:19Z)
• A Review of the Non-Invasive Techniques for Monitoring Different Aspects of Sleep [19.49661647406365]
  睡眠モニタリングのための研究が進められており、睡眠行動を理解するための重要なツールとなっている。 睡眠分析のための金の標準法は、臨床環境で行うポリソムノグラフィ(PSG)であるが、この方法は高価であり、長期使用には複雑である。 家庭内睡眠モニタリングに安価で使い易いウェアラブルと非ウェアラブルの両方を用いた様々なソリューションが提案されている。
  論文  参考訳（メタデータ） (2021-04-27T04:12:43Z)
• MSED: a multi-modal sleep event detection model for clinical sleep analysis [62.997667081978825]
  ポリソムノグラムで睡眠イベントを共同検出する,単一のディープニューラルネットワークアーキテクチャを設計した。 モデルの性能は,F1,精度,リコールスコア,および指標値と臨床値との相関で定量化した。
  論文  参考訳（メタデータ） (2021-01-07T13:08:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。