論文の概要: Collective sleep and activity patterns of college students from wearable devices
- arxiv url: http://arxiv.org/abs/2412.17969v1
- Date: Mon, 23 Dec 2024 20:34:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-25 15:56:00.541124
- Title: Collective sleep and activity patterns of college students from wearable devices
- Title(参考訳): ウェアラブルデバイスを用いた大学生の集団睡眠と活動パターン
- Authors: Mikaela Irene Fudolig, Laura S. P. Bloomfield, Matthew Price, Yoshi M. Bird, Johanna E. Hidalgo, 5 Julia Kim, Jordan Llorin, Juniper Lovato, Ellen W. McGinnis, Ryan S. McGinnis, Taylor Ricketts, Kathryn Stanton, Peter Sheridan Dodds, Christopher M. Danforth,
- Abstract要約: 大学1学期における若年者コホートの毎日および毎週の睡眠と活動パターンについて検討した。
ほとんどの学生は深夜のクロノタイプで、午前5時に睡眠中盤が中央値である。
ソーシャル・ジェットラグ(フリーデイとスクールデイの睡眠時間の違い)は、我々のサンプルに多い。
- 参考スコア(独自算出の注目度): 1.6569011040448993
- License:
- Abstract: To optimize interventions for improving wellness, it is essential to understand habits, which wearable devices can measure with greater precision. Using high temporal resolution biometric data taken from the Oura Gen3 ring, we examine daily and weekly sleep and activity patterns of a cohort of young adults (N=582) in their first semester of college. A high compliance rate is observed for both daily and nightly wear, with slight dips in wear compliance observed shortly after waking up and also in the evening. Most students have a late-night chronotype with a median midpoint of sleep at 5AM, with males and those with mental health impairment having more delayed sleep periods. Social jetlag, or the difference in sleep times between free days and school days, is prevalent in our sample. While sleep periods generally shift earlier on weekdays and later on weekends, sleep duration on both weekdays and weekends is shorter than during prolonged school breaks, suggesting chronic sleep debt when school is in session. Synchronized spikes in activity consistent with class schedules are also observed, suggesting that walking in between classes is a widespread behavior in our sample that substantially contributes to physical activity. Lower active calorie expenditure is associated with weekends and a delayed but longer sleep period the night before, suggesting that for our cohort, active calorie expenditure is affected less by deviations from natural circadian rhythms and more by the timing associated with activities. Our study shows that regular sleep and activity routines may be inferred from consumer wearable devices if high temporal resolution and long data collection periods are available.
- Abstract(参考訳): ウェルネスを改善するための介入を最適化するためには、ウェアラブルデバイスがより正確に測定できる習慣を理解することが不可欠である。
オオラGen3環から採取した高時間分解能バイオメトリックスデータを用いて,大学初学期における若年者コホート(N=582)の毎日および毎週の睡眠と活動パターンについて検討した。
就寝直後,夜間でも,夜間でも高い順守率が観察され,就寝直後,夜間にも軽度の順守が観察された。
ほとんどの学生は深夜のクロノタイプで、午前5時に睡眠中盤が中央値で、男性や精神障害のある人は睡眠が遅くなる。
ソーシャル・ジェットラグ(フリーデイとスクールデイの睡眠時間の違い)は、我々のサンプルに多い。
就寝期間は平日と週末は概して早いが、平日と週末の就寝期間は休学期間が長引くよりも短く、休校時に慢性的な睡眠不足を示唆している。
また,授業スケジュールに整合した活動の同期スパイクも観察され,クラス間を歩くことが,身体活動に大きく寄与する試料の広範な挙動であることが示唆された。
その結果、我々のコホートでは、活動カロリーの消費は自然の概日リズムからの逸脱や活動に関連するタイミングによる影響が少ないことが示唆された。
本研究は,高時間分解能および長期データ収集が可能であれば,一般消費者のウェアラブルデバイスから定期的な睡眠・活動ルーチンを推定できることを示唆する。
関連論文リスト
- Tracking behavioural differences across chronotypes: A case study in Finland using Oura rings [0.0]
フィットネストラッカー、スマートウォッチ、リングなどの非侵襲的なモバイルウェアラブルは、日常の人間の行動を研究するための簡単で安価なアプローチを可能にする。
ここでは,19名の健常者から1年間にわたる詳細なデータを得るために,Oura環を用いた。
参加者の3つのクロノタイプ群の縦型睡眠と活動パターンについて検討した。
論文 参考訳(メタデータ) (2025-01-02T17:02:28Z) - Evaluating the Influence of Temporal Context on Automatic Mouse Sleep Staging through the Application of Human Models [43.40222422022386]
ヒトの睡眠ステージリングモデルでは、入力の時間的文脈を数十分の範囲に拡張することで、最近性能改善が示されている。
長期の睡眠パターンはマウス睡眠では明らかでないが、現在のマウス睡眠ステージモデルよりも時間的文脈を増大させると、パフォーマンスが向上する可能性がある。
論文 参考訳(メタデータ) (2024-06-06T10:07:19Z) - Sleep Quality Prediction from Wearables using Convolution Neural
Networks and Ensemble Learning [0.0]
睡眠は、日々のパフォーマンス、幸福、生活の質に影響を与える最も重要な要因の一つである。
カメラの記録や画像からの状態を抽出する代わりに、手首に装着したデバイスは加速度計、心拍数、心拍変動センサーを介して直接測定することができる。
測定された特徴は、就寝時間、就寝時間、就寝時間、就寝時間、就寝時間、覚醒後就寝時間である。
論文 参考訳(メタデータ) (2023-03-08T18:08:08Z) - 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) - HAR-GCNN: Deep Graph CNNs for Human Activity Recognition From Highly
Unlabeled Mobile Sensor Data [61.79595926825511]
正確な活動ラベルを含むバランスのとれたデータセットを取得するには、人間が正しく注釈を付け、リアルタイムで被験者の通常の活動に干渉する必要がある。
本研究では,HAR-GCCNモデルを提案する。HAR-GCCNは,時系列に隣接したセンサ測定の相関を利用して,不特定活動の正確なラベルを予測する。
Har-GCCNは、これまで使用されていたベースライン手法と比較して優れたパフォーマンスを示し、分類精度を25%改善し、異なるデータセットで最大68%向上した。
論文 参考訳(メタデータ) (2022-03-07T01:23:46Z) - 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) - 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) - A Non-negative Matrix Factorization Based Method for Quantifying Rhythms
of Activity and Sleep and Chronotypes Using Mobile Phone Data [0.7093070664045024]
人間の活動は毎日、週、季節のリズムに従っている。
これらのリズムの出現は、生理学や自然循環、社会構造に関係している。
これらのリズムの頻度は、多かれ少なかれ人の間で似ているが、その相は異なる。
論文 参考訳(メタデータ) (2020-09-21T14:33:30Z) - N=1 Modelling of Lifestyle Impact on SleepPerformance [2.9073923339818006]
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。
論文 参考訳(メタデータ) (2020-06-18T22:43:35Z)
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。