論文の概要: Using wearable device-based machine learning models to autonomously
identify older adults with poor cognition
- arxiv url: http://arxiv.org/abs/2309.07133v1
- Date: Mon, 28 Aug 2023 00:07:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-17 13:49:31.257111
- Title: Using wearable device-based machine learning models to autonomously
identify older adults with poor cognition
- Title(参考訳): ウェアラブルデバイスに基づく機械学習モデルを用いて認知力の低い高齢者を自律的に識別する
- Authors: Collin Sakal, Tingyou Li, Juan Li, Xinyue Li
- Abstract要約: ウェアラブルデバイスベースの予測モデルは、通常の生活環境下での継続的な健康モニタリングを可能にする。
まず, 概日リズム, 環境光露光, 身体活動レベル, 睡眠, 信号処理に関連する新しいウェアラブルベースの特徴を抽出した。
その結果,3つの認知的結果の予測において,ウェアラブルモデルではAUCが有意に高かった。
- 参考スコア(独自算出の注目度): 3.3726007446388873
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Conducting cognitive tests is time-consuming for patients and clinicians.
Wearable device-based prediction models allow for continuous health monitoring
under normal living conditions and could offer an alternative to identifying
older adults with cognitive impairments for early interventions. In this study,
we first derived novel wearable-based features related to circadian rhythms,
ambient light exposure, physical activity levels, sleep, and signal processing.
Then, we quantified the ability of wearable-based machine-learning models to
predict poor cognition based on outcomes from the Digit Symbol Substitution
Test (DSST), the Consortium to Establish a Registry for Alzheimers Disease
Word-Learning subtest (CERAD-WL), and the Animal Fluency Test (AFT). We found
that the wearable-based models had significantly higher AUCs when predicting
all three cognitive outcomes compared to benchmark models containing age, sex,
education, marital status, household income, diabetic status, depression
symptoms, and functional independence scores. In addition to uncovering
previously unidentified wearable-based features that are predictive of poor
cognition such as the standard deviation of the midpoints of each persons most
active 10-hour periods and least active 5-hour periods, our paper provides
proof-of-concept that wearable-based machine learning models can be used to
autonomously screen older adults for possible cognitive impairments. Such
models offer cost-effective alternatives to conducting initial screenings
manually in clinical settings.
- Abstract(参考訳): 認知検査は、患者や臨床医にとって時間を要する。
ウェアラブルデバイスに基づく予測モデルは、正常な生活条件下での継続的な健康モニタリングを可能にし、早期の介入のために認知障害を持つ高齢者を特定する代替手段を提供する。
本研究では, 概日リズム, 環境光暴露, 身体活動レベル, 睡眠, 信号処理に関連する, ウェアラブルに基づく新しい特徴を初めて提示した。
そこで我々は、Digit Symbol Substitution Test (DSST)、the Consortium to Establish a Registry for Alzheimers Disease Word-Learning Subtest (CERAD-WL)、およびAnimal Fluency Test (AFT)の結果に基づいて、ウェアラブルベースの機械学習モデルによる認識不良の予測能力を定量化した。
その結果, 年齢, 性別, 教育, 婚姻状況, 世帯所得, 糖尿病, 抑うつ症状, 機能的自立スコアを含むベンチマークモデルと比較すると, 3つの認知的結果の予測において, ウェアラブルモデルの方がAUCが有意に高かった。
これまでに同定されていないウェアラブルベースの特徴を明らかにすることに加え、最も活発な10時間と最低活性な5時間という各人物の中間点の標準偏差など、認知障害の可能性のある高齢者の自律的なスクリーニングにウェアラブルベースの機械学習モデルを使用することが可能であることを実証する。
このようなモデルは、臨床環境で手動で初期スクリーニングを行うためのコスト効率の良い代替手段を提供する。
関連論文リスト
- A Machine Learning Approach for Predicting Deterioration in Alzheimer's
Disease [0.0]
本稿では,機械学習を用いたアルツハイマー病の悪化について検討する。
勾配強化を含む6つの機械学習モデルを構築し評価した。
認知正常群のうちどれが劣化したかを予測するCARTを用いて,良好な予測能力を示すことができた。
軽度認知障害群では,Elastic Netによる劣化予測能力は良好であった。
論文 参考訳(メタデータ) (2023-06-17T12:23:35Z) - Leveraging Pretrained Representations with Task-related Keywords for
Alzheimer's Disease Detection [69.53626024091076]
アルツハイマー病(AD)は高齢者に特に顕著である。
事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。
本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
論文 参考訳(メタデータ) (2023-03-14T16:03:28Z) - 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) - Acoustic-Linguistic Features for Modeling Neurological Task Score in
Alzheimer's [1.290382979353427]
自然言語処理と機械学習はアルツハイマー病を確実に検出するための有望な技術を提供する。
我々は,10種類の線形回帰モデルの性能を比較し,比較した。
与えられたタスクに対して,手作りの言語的特徴は音響的特徴や学習的特徴よりも重要であることがわかった。
論文 参考訳(メタデータ) (2022-09-13T15:35:31Z) - Objective Prediction of Tomorrow's Affect Using Multi-Modal
Physiological Data and Personal Chronicles: A Study of Monitoring College
Student Well-being in 2020 [0.0]
本研究の目的は、複数の商用機器を用いて、完全自動的かつ客観的なアプローチにより、影響をより正確に予測する能力を検討することである。
1年以上にわたり、スマートウェアラブルと携帯電話を使用した大学生のサンプルから、縦断的生理データと毎日の感情評価を収集した。
その結果,本モデルでは,技術手法に匹敵する精度で,翌日への影響を予測することができた。
論文 参考訳(メタデータ) (2022-01-26T23:06:20Z) - Designing A Clinically Applicable Deep Recurrent Model to Identify
Neuropsychiatric Symptoms in People Living with Dementia Using In-Home
Monitoring Data [52.40058724040671]
鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。
扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。
本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
論文 参考訳(メタデータ) (2021-10-19T11:45:01Z) - 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) - Comparing Natural Language Processing Techniques for Alzheimer's
Dementia Prediction in Spontaneous Speech [1.2805268849262246]
アルツハイマー認知症(英語: Alzheimer's Dementia、AD)は、認知機能に影響を与える不治の、不安定で進行性の神経変性疾患である。
自発音声タスクによるアルツハイマー認知は、ADの分類と予測のために、音響的に前処理とバランスの取れたデータセットを提供する。
論文 参考訳(メタデータ) (2020-06-12T17:51:16Z) - Hemogram Data as a Tool for Decision-making in COVID-19 Management:
Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。
本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。
提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文 参考訳(メタデータ) (2020-05-10T01:45:03Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳(メタデータ) (2020-05-06T09:02:30Z)
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。