論文の概要: A multimodal sensor dataset for continuous stress detection of nurses in
a hospital
- arxiv url: http://arxiv.org/abs/2108.07689v2
- Date: Wed, 1 Jun 2022 11:50:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-20 23:27:52.875318
- Title: A multimodal sensor dataset for continuous stress detection of nurses in
a hospital
- Title(参考訳): 病院における看護師の連続ストレス検出のためのマルチモーダルセンサデータセット
- Authors: Seyedmajid Hosseini, Satya Katragadda, Ravi Teja Bhupatiraju, Ziad
Ashkar, Christoph W. Borst, Kenneth Cochran, Raju Gottumukkala
- Abstract要約: 本稿では, 病院の自然作業環境において, ユニークなストレス検出データセットを提供する。
このデータセットは、新型コロナウイルスの感染拡大に伴う看護師の生体データである。
- 参考スコア(独自算出の注目度): 0.8312466807725921
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Advances in wearable technologies provide the opportunity to monitor many
physiological variables continuously. Stress detection has gained increased
attention in recent years, mainly because early stress detection can help
individuals better manage health to minimize the negative impacts of long-term
stress exposure. This paper provides a unique stress detection dataset created
in a natural working environment in a hospital. This dataset is a collection of
biometric data of nurses during the COVID-19 outbreak. Studying stress in a
work environment is complex due to many social, cultural, and psychological
factors in dealing with stressful conditions. Therefore, we captured both the
physiological data and associated context pertaining to the stress events. We
monitored specifc physiological variables such as electrodermal activity, Heart
Rate, and skin temperature of the nurse subjects. A periodic
smartphone-administered survey also captured the contributing factors for the
detected stress events. A database containing the signals, stress events, and
survey responses is publicly available on Dryad.
- Abstract(参考訳): ウェアラブル技術の進歩は、多くの生理的変数を継続的に監視する機会を提供する。
ストレス検出は、早期のストレス検出によって個人が健康を良く管理し、長期のストレス暴露による負の影響を最小限に抑えるため、近年注目を集めている。
本稿では, 病院の自然作業環境において, ユニークなストレス検出データセットを提供する。
このデータセットは、新型コロナウイルスの感染拡大に伴う看護師の生体データである。
労働環境におけるストレスの研究は、ストレスの多い環境を扱う上で、多くの社会的、文化的、心理的要因のために複雑である。
そこで我々は,ストレスイベントに関連する生理的データと関連する文脈の両方を捉えた。
看護師の脳室活動,心拍数,皮膚温度などの特異な生理的変動を観察した。
スマートフォンによる定期的な調査も、検出されたストレスイベントの寄与要因を捉えた。
信号、ストレスイベント、サーベイ応答を含むデータベースがdryadで公開されている。
関連論文リスト
- Stressor Type Matters! -- Exploring Factors Influencing Cross-Dataset Generalizability of Physiological Stress Detection [5.304745246313982]
本研究では,2次応力検出のためのHRV機能に基づいて学習した機械学習モデルの一般化可能性について検討する。
以上の結果から,モデル一般化可能性に重要な因子であるストレスタイプが示唆された。
我々は、新しい環境にHRVベースのストレスモデルを展開する際に、ストレスタイプをマッチングすることを推奨する。
論文 参考訳(メタデータ) (2024-05-06T14:47:48Z) - Measuring Non-Typical Emotions for Mental Health: A Survey of Computational Approaches [57.486040830365646]
ストレスと抑うつは日々のタスクにおけるエンゲージメントに影響を与え、彼らの相互作用を理解する必要性を強調します。
この調査は、ストレス、抑うつ、エンゲージメントを分析する計算手法を同時に探求した最初のものである。
論文 参考訳(メタデータ) (2024-03-09T11:16:09Z) - Identifying Periods of Cyclical Stress in University Students Using
Wearables In-the-Wild [13.537515154031151]
日本人大学生103名のコホートにウェアラブル型健康トラッキングリングを28カ月間使用した。
調査では,受験期間中のストレスマーカーの増加,新年,就業時期について調査した。
論文 参考訳(メタデータ) (2024-02-19T04:32:02Z) - Understanding Stress, Burnout, and Behavioral Patterns in Medical
Residents Using Large-scale Longitudinal Wearable Recordings [44.608785297557674]
本研究は、43人の医療従事者の職場行動パターンを訓練の異なる段階にわたって調査した。
具体的には,その増幅パターン,コンピュータアクセス,住民のメンターとのインタラクションについて検討する。
分析の結果, 歩行行動パターンやコンピュータの利用状況は, プログラムの年齢によって異なるが, 住民の作業行動は異なることが明らかとなった。
論文 参考訳(メタデータ) (2024-02-14T09:06:50Z) - Employing Multimodal Machine Learning for Stress Detection [8.430502131775722]
メンタルウェルネスは、今日の世界で最も無視されているが決定的な側面の1つである。
本研究では、人の作業行動とストレスレベルを監視するために、マルチモーダルなAIベースのフレームワークを提案する。
論文 参考訳(メタデータ) (2023-06-15T14:34:16Z) - ForDigitStress: A multi-modal stress dataset employing a digital job
interview scenario [48.781127275906435]
本稿では,デジタル面接を利用してストレスを誘発するマルチモーダルストレスデータセットを提案する。
このデータセットは、オーディオ、ビデオ、生理情報を含む40人の参加者のマルチモーダルデータを提供する。
ベースラインを確立するために、5つの異なる機械学習分類器が訓練され、評価されている。
論文 参考訳(メタデータ) (2023-03-14T09:40:37Z) - Extracting Digital Biomarkers for Unobtrusive Stress State Screening
from Multimodal Wearable Data [0.0]
携帯電話やスマートウォッチから収集したデータを調べることで,ストレスモダリティに関連するデジタルバイオマーカーを探索する。
我々は,テッセルエデータセット,正確にはランダムフォレストを用いて,ストレスバイオマーカーの抽出を行う。
クラス不均衡を調整し、性格特性に関連する追加機能を追加することにより、クラス全体の精度を85%で達成できる。
論文 参考訳(メタデータ) (2023-03-08T10:14:58Z) - Handwriting and Drawing for Depression Detection: A Preliminary Study [53.11777541341063]
精神健康に対する短期的コビデンスの影響は、不安や抑うつ症状の顕著な増加であった。
本研究の目的は、健康な人とうつ病患者を識別するために、オンライン手書き・図面解析という新しいツールを使用することである。
論文 参考訳(メタデータ) (2023-02-05T22:33:49Z) - Personalized Stress Monitoring using Wearable Sensors in Everyday
Settings [9.621481727547215]
心拍数(HR)と心拍変動率(HRV)に基づく日常生活ストレスレベルの客観的予測について検討する。
本稿では、ラベル付けのためのデータサンプルの調整可能なコレクションをサポートする、個人化されたストレス監視のための階層化システムアーキテクチャと、ラベル付けのためのリアルタイムデータのストリームから情報化サンプルを選択する方法を提案する。
論文 参考訳(メタデータ) (2021-07-31T04:15:15Z) - Deep Multi-task Learning for Depression Detection and Prediction in
Longitudinal Data [50.02223091927777]
うつ病は最も多い精神疾患の1つであり、世界中の年齢の何百万人もの人々に影響を与えている。
機械学習技術は、早期介入と治療のためのうつ病の自動検出と予測を可能にしている。
本稿では、この課題に対処するために、2つの補助的タスクでうつ病分類を共同最適化する、新しいディープマルチタスクリカレントニューラルネットワークを提案する。
論文 参考訳(メタデータ) (2020-12-05T05:14:14Z) - Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。
スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。
eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
論文 参考訳(メタデータ) (2020-08-09T20:22:52Z)
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。