論文の概要: Predicting Depressive Symptom Severity through Individuals' Nearby Bluetooth Devices Count Data Collected by Mobile Phones: A Preliminary Longitudinal Study

• arxiv url: http://arxiv.org/abs/2104.12407v1
• Date: Mon, 26 Apr 2021 09:06:02 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-27 14:57:36.275261
• Title: Predicting Depressive Symptom Severity through Individuals' Nearby Bluetooth Devices Count Data Collected by Mobile Phones: A Preliminary Longitudinal Study
• Title（参考訳）: 携帯電話で収集したBluetoothデバイスによる抑うつ症状の重症度予測 : 予備的縦断的研究
• Authors: Yuezhou Zhang, Amos A Folarin, Shaoxiong Sun, Nicholas Cummins, Yatharth Ranjan, Zulqarnain Rashid, Pauline Conde, Callum Stewart, Petroula Laiou, Faith Matcham, Carolin Oetzmann, Femke Lamers, Sara Siddi, Sara Simblett, Aki Rintala, David C Mohr, Inez Myin-Germeys, Til Wykes, Josep Maria Haro, Brenda WJH Pennix, Vaibhav A Narayan, Peter Annas, Matthew Hotopf, Richard JB Dobson
• Abstract要約: 携帯電話に埋め込まれたBluetoothセンサーは、個人の近接情報をキャプチャするための目立たない、連続的で費用対効果の高い手段を提供します。 本稿では,8項目の患者健康アンケート(PHQ-8)を用いて測定したうつ症状の重症度予測におけるNBDCデータの価値を検討する。 線形混合効果モデルはbluetooth機能とphq-8スコアの関係を調べるために用いられた。
• 参考スコア（独自算出の注目度）: 14.285384593932521
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Bluetooth sensor embedded in mobile phones provides an unobtrusive, continuous, and cost-efficient means to capture individuals' proximity information, such as the nearby Bluetooth devices count (NBDC). The continuous NBDC data can partially reflect individuals' behaviors and status, such as social connections and interactions, working status, mobility, and social isolation and loneliness, which were found to be significantly associated with depression by previous survey-based studies. This paper aims to explore the NBDC data's value in predicting depressive symptom severity as measured via the 8-item Patient Health Questionnaire (PHQ-8). The data used in this paper included 2,886 bi-weekly PHQ-8 records collected from 316 participants recruited from three study sites in the Netherlands, Spain, and the UK as part of the EU RADAR-CNS study. From the NBDC data two weeks prior to each PHQ-8 score, we extracted 49 Bluetooth features, including statistical features and nonlinear features for measuring periodicity and regularity of individuals' life rhythms. Linear mixed-effect models were used to explore associations between Bluetooth features and the PHQ-8 score. We then applied hierarchical Bayesian linear regression models to predict the PHQ-8 score from the extracted Bluetooth features. A number of significant associations were found between Bluetooth features and depressive symptom severity. Compared with commonly used machine learning models, the proposed hierarchical Bayesian linear regression model achieved the best prediction metrics, R2= 0.526, and root mean squared error (RMSE) of 3.891. Bluetooth features can explain an extra 18.8% of the variance in the PHQ-8 score relative to the baseline model without Bluetooth features (R2=0.338, RMSE = 4.547).
• Abstract（参考訳）: 携帯電話に埋め込まれたbluetoothセンサーは、近くのbluetoothデバイス数(nbdc)のような個人の近接情報をキャプチャする、邪魔にならない、連続的でコスト効率のよい手段を提供する。 連続的なNBDCデータは、社会的つながりや相互作用、労働状況、移動性、社会的孤立と孤独といった個人の行動やステータスを部分的に反映することができる。 本研究では,8項目の患者健康アンケート(PHQ-8)を用いて,うつ症状の重症度を予測するNBDCデータの価値を検討することを目的とする。 この論文で使用されたデータには、オランダ、スペイン、英国の3つの研究現場から集められた316人の参加者から、隔週で2,886件のPHQ-8記録が含まれていた。 PHQ-8スコアの2週間前のNBDCデータから,個人生活リズムの周期性と規則性を測定する統計的特徴や非線形特徴を含む49個のBluetooth特徴を抽出した。 線形混合効果モデルはbluetooth機能とphq-8スコアの関係を調べるために用いられた。 次に階層型ベイズ線形回帰モデルを用いて,抽出したBluetooth特徴量からPHQ-8のスコアを予測する。 bluetooth機能と抑うつ症状の重症度との間には,多くの有意な関連が見られた。 一般的な機械学習モデルと比較して、提案された階層ベイズ線形回帰モデルは、R2=0.526、ルート平均二乗誤差(RMSE)が3.891である。 bluetooth機能は、bluetooth機能のないベースラインモデル(r2=0.338, rmse = 4.547)と比較して、phq-8スコアのばらつきの18.8%を説明できる。

関連論文リスト

• An AI-enabled Bias-Free Respiratory Disease Diagnosis Model using Cough Audio: A Case Study for COVID-19 [1.1146119513912156]
  トレーニングデータ配信における共同創設者の影響を軽減するため, Bias Free Network (RBFNet) を提案する。 RBFNetは正確なRD診断機能を保証し、COVID19データセットを組み込むことでその関連性を強調する。 条件付き生成Adrial Network (cGAN) を定式化するための分類スキームに新たなバイアス予測器が組み込まれている
  論文  参考訳（メタデータ） (2024-01-04T13:09:45Z)
• PerturbScore: Connecting Discrete and Continuous Perturbations in NLP [64.28423650146877]
  本稿では,離散摂動と連続摂動を結びつけることを目的とする。 回帰タスクをPerturbScoreとして設計し,相関関係を自動的に学習する。 離散摂動と連続摂動の接続を構築でき、提案したPerturbScoreを使ってそのような相関関係を学習できる。
  論文  参考訳（メタデータ） (2023-10-13T06:50:15Z)
• BUMP: A Benchmark of Unfaithful Minimal Pairs for Meta-Evaluation of Faithfulness Metrics [70.52570641514146]
  不誠実な最小対 (BUMP) のベンチマークを示す。 BUMPは、889人の人間が書いた最小限のサマリーペアのデータセットである。 非ペアベースのデータセットとは異なり、BUMPはメトリクスの一貫性を測定するために使用することができる。
  論文  参考訳（メタデータ） (2022-12-20T02:17:30Z)
• Remote Medication Status Prediction for Individuals with Parkinson's Disease using Time-series Data from Smartphones [75.23250968928578]
  本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。 提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
  論文  参考訳（メタデータ） (2022-07-26T02:08:08Z)
• Automatic Contact Tracing using Bluetooth Low Energy Signals and IMU Sensor Readings [0.0]
  本稿では,SFI Centre for Machine Learning (ML-Labs) が提供する課題に対する解決策を提案する。 NIST Too Close For Too Long (TC4TL) Challengeの修正版であり、時間的側面は除外されている。 本稿では,Bluetooth RSSI と IMU センサデータに基づく特徴に基づく手法を提案する。
  論文  参考訳（メタデータ） (2022-06-13T10:39:03Z)
• Depression Diagnosis and Forecast based on Mobile Phone Sensor Data [47.93070579578704]
  これまでの研究では、携帯電話から収集したセンサデータとヒトのうつ状態の相関が示されている。 本研究では,携帯電話データから電話,電話利用,ユーザ活動,GPS機能を含む4種類の受動的特徴を抽出する。 我々は、診断と予測タスクの両方をモデル化するために、主観非依存の10倍のクロスバリデーション設定に長寿命メモリ(LSTM)ネットワークを実装した。
  論文  参考訳（メタデータ） (2022-05-10T10:05:36Z)
• Robust Hierarchical Patterns for identifying MDD patients: A Multisite Study [3.4561220135252264]
  大うつ病(MDD)のバイオマーカーとしての階層的スパース接続パターン(h SCP)について検討する。 我々は、静止状態fMRIデータから抽出した機能的接続行列からMDD患者を予測するためのh SCPに基づく新しいモデルを提案する。 本研究の結果は,多様性が予測性能に与える影響を示し,多様性を低減し,コンポーネントの予測・一般化能力を向上させることができる。
  論文  参考訳（メタデータ） (2022-02-22T19:40:32Z)
• Generalizing electrocardiogram delineation: training convolutional neural networks with synthetic data augmentation [63.51064808536065]
  ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。 まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。 第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
  論文  参考訳（メタデータ） (2021-11-25T10:11:41Z)
• Convolutional Neural Networks for Sleep Stage Scoring on a Two-Channel EEG Signal [63.18666008322476]
  睡眠障害は、世界中の主要な病気の1つです。 専門家が使用する基本的なツールはPolysomnogramで、睡眠中に記録された様々な信号の集合である。 専門家は、標準的なガイドラインの1つに従って異なる信号を採点する必要があります。
  論文  参考訳（メタデータ） (2021-03-30T09:59:56Z)
• Inferring proximity from Bluetooth Low Energy RSSI with Unscented Kalman Smoothers [0.0]
  本稿では, RSSI 値の任意の配列から後部確率を推定する手法を提案する。 この結果から,実世界のデータセット上での$mathcalO(n)$時間で良好なリスク予測が達成できることが示唆された。
  論文  参考訳（メタデータ） (2020-07-09T20:47:02Z)

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。