論文の概要: Development, Deployment, and Evaluation of DyMand -- An Open-Source
Smartwatch and Smartphone System for Capturing Couples' Dyadic Interactions
in Chronic Disease Management in Daily Life
- arxiv url: http://arxiv.org/abs/2205.07671v1
- Date: Mon, 16 May 2022 13:37:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 16:55:11.559833
- Title: Development, Deployment, and Evaluation of DyMand -- An Open-Source
Smartwatch and Smartphone System for Capturing Couples' Dyadic Interactions
in Chronic Disease Management in Daily Life
- Title（参考訳）: DyMandの開発、展開、評価 - 慢性疾患管理における夫婦のダイアド相互作用を捉えるためのオープンソースのスマートウォッチとスマートフォンシステム
- Authors: George Boateng, Prabhakaran Santhanam, Elgar Fleisch, Janina
L\"uscher, Theresa Pauly, Urte Scholz, Tobias Kowatsch
- Abstract要約: DyMandは、パートナーのインタラクションモーメントに基づいたカップルのデータ収集のための、オープンソースのスマートウォッチとスマートフォンシステムである。
提案アルゴリズムでは,1つのパートナーが装着する2つのスマートウォッチ間のBluetooth信号強度と,そのパートナーが相互作用していることを推測する音声アクティビティ検出機械学習アルゴリズムを用いる。
当社のシステムは、アプリが動作中のセンサーおよびセルフレポートデータの99.1%をトリガーし、77.6%のアルゴリズムによる録音にはパートナーの会話の瞬間が含まれていた。
- 参考スコア（独自算出の注目度）: 4.269935075264936
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Dyadic interactions of couples are of interest as they provide insight into
relationship quality and chronic disease management. Currently, ambulatory
assessment of couples' interactions entails collecting data at random or
scheduled times which could miss significant couples' interaction/conversation
moments. In this work, we developed, deployed and evaluated DyMand, a novel
open-source smartwatch and smartphone system for collecting self-report and
sensor data from couples based on partners' interaction moments. Our
smartwatch-based algorithm uses the Bluetooth signal strength between two
smartwatches each worn by one partner, and a voice activity detection
machine-learning algorithm to infer that the partners are interacting, and then
to trigger data collection. We deployed the DyMand system in a 7-day field
study and collected data about social support, emotional well-being, and health
behavior from 13 (N=26) Swiss-based heterosexual couples managing diabetes
mellitus type 2 of one partner. Our system triggered 99.1% of the expected
number of sensor and self-report data when the app was running, and 77.6% of
algorithm-triggered recordings contained partners' conversation moments
compared to 43.8% for scheduled triggers. The usability evaluation showed that
DyMand was easy to use. DyMand can be used by social, clinical, or health
psychology researchers to understand the social dynamics of couples in everyday
life, and for developing and delivering behavioral interventions for couples
who are managing chronic diseases.
- Abstract（参考訳）: 関係性の品質と慢性疾患の管理についての洞察を提供するため、カップルのディアド相互作用は興味深い。
現在、カップルの相互作用の爆発的評価は、カップルの相互作用/会話の瞬間を逃す可能性のある、ランダムまたはスケジュールされた時間におけるデータの収集を伴っている。
本研究では,パートナーのインタラクションモーメントに基づいて,夫婦の自己報告とセンサデータを収集する,オープンソースのスマートウォッチおよびスマートフォンシステムであるDyMandを開発した。
当社のスマートウォッチベースのアルゴリズムは、ひとつのパートナが着用する2つのスマートウォッチ間のbluetooth信号強度と、パートナのインタラクションを推測する音声アクティビティ検出機械学習アルゴリズムを使用して、データ収集をトリガーします。
我々は,DyMandシステムを7日間のフィールドスタディに導入し,1つのパートナーの糖尿病2型を管理するスイス在住の13(N=26)の異性愛カップルから,社会的サポート,感情的幸福,健康行動に関するデータを収集した。
当社のシステムは、アプリが実行中のセンサおよび自己報告データの99.1%を起動し、77.6%のアルゴリズムトリガー記録がパートナーの会話モーメントを含んでおり、43.8%がスケジュールトリガーであった。
ユーザビリティ評価の結果,dymandは使いやすいことがわかった。
DyMandは、社会的、臨床的、健康心理学の研究者によって、日常生活におけるカップルの社会的ダイナミクスを理解し、慢性疾患を管理しているカップルの行動介入を開発し、提供するために用いられる。
関連論文リスト
- Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
エンゲージメント測定は、医療、教育、サービスに応用される。
生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。
コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
論文 参考訳（メタデータ） (2024-04-05T20:39:16Z) - MedNgage: A Dataset for Understanding Engagement in Patient-Nurse
Conversations [4.847266237348932]
症状を効果的に管理する患者は、医療従事者との会話や介入において、より高いレベルのエンゲージメントを示すことが多い。
AIシステムは、患者と実践者との自然な会話におけるエンゲージメントを理解して、患者のケアにもっと貢献することが不可欠である。
本稿では,がん症状管理に関する患者と看護者の会話をまとめた新しいデータセット(MedNgage)を提案する。
論文 参考訳（メタデータ） (2023-05-31T16:06:07Z) - CDANs: Temporal Causal Discovery from Autocorrelated and Non-Stationary
Time Series Data [5.130175508025212]
因果発見は、人間の健康に関する実用的な洞察を抽出する上で重要な役割を果たす可能性がある。
本稿では,制約に基づく新たな因果探索手法を提案する。
提案手法では,時間とともに変化するモジュールの変化とともに,タグ付き・即時/同時因果関係を同定する。
論文 参考訳（メタデータ） (2023-02-07T04:13:48Z) - "Are you okay, honey?": Recognizing Emotions among Couples Managing
Diabetes in Daily Life using Multimodal Real-World Smartwatch Data [8.355190969810305]
カップルは一般的に慢性疾患を一緒に管理し、その管理は患者と彼らのロマンチックなパートナーの両方に感情的な負担を与える。
日常生活における各パートナーの感情を認識することは、慢性疾患管理における感情的幸福感についての洞察を与えることができる。
身体的,運動的,音響的,言語的特徴を抽出し,各パートナーの自己報告感情を認識するための機械学習モデルを訓練した。
論文 参考訳（メタデータ） (2022-08-16T22:04:12Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - Subgroup discovery of Parkinson's Disease by utilizing a multi-modal
smart device system [63.20765930558542]
われわれはスマートウォッチとスマートフォンを使って、PD患者、DD、HCを含む504人の参加者のマルチモーダルデータを収集した。
様々なモダリティを組み合わせることで,分類精度が向上し,さらにPDクラスタが発見された。
論文 参考訳（メタデータ） (2022-05-12T08:59:57Z) - Reducing a complex two-sided smartwatch examination for Parkinson's
Disease to an efficient one-sided examination preserving machine learning
accuracy [63.20765930558542]
パーキンソン病(PD)研究における技術ベースアセスメントの実施状況について報告した。
本研究は、両手同期スマートウォッチ測定におけるPDサンプルサイズとして最大である。
論文 参考訳（メタデータ） (2022-05-11T09:12:59Z) - Learning Language and Multimodal Privacy-Preserving Markers of Mood from
Mobile Data [74.60507696087966]
精神状態は、先進医療に共通する国でも診断されていない。
人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。
本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
論文 参考訳（メタデータ） (2021-06-24T17:46:03Z) - MedSensor: Medication Adherence Monitoring Using Neural Networks on
Smartwatch Accelerometer Sensor Data [0.0]
薬物依存症は深刻な経済・健康問題を引き起こす。
我々は、スマートウォッチから加速度計の手の動きデータを収集するスマートウォッチアプリケーションを開発した。
ニューラルネットワークを開発し、その後、センサーデータのネットワークを訓練し、薬品や非薬効のジェスチャーを認識する。
論文 参考訳（メタデータ） (2021-05-19T03:42:30Z) - Multimodal Privacy-preserving Mood Prediction from Mobile Data: A
Preliminary Study [34.550824104906255]
精神的な健康状態は、先進医療に共通のアクセスを持つ国でも診断が不十分である。
人間の行動を監視するための有望なデータソースのひとつは、毎日のスマートフォンの利用だ。
リスクの高い青年の移動行動のデータセットを用いて行動マーカーや日常の気分を調査した。
論文 参考訳（メタデータ） (2020-12-04T01:44:22Z) - Predicting Parkinson's Disease with Multimodal Irregularly Collected
Longitudinal Smartphone Data [75.23250968928578]
パーキンソン病は神経疾患であり、高齢者に多い。
伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。
そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
論文 参考訳（メタデータ） (2020-09-25T01:50:15Z)
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。