論文の概要: MCAnalysis: An Open-Source Package for Preprocessing, Modelling, and Visualisation of Menstrual Cycle Effects in Digital Health Data
- arxiv url: http://arxiv.org/abs/2604.12536v1
- Date: Tue, 14 Apr 2026 10:05:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-15 19:11:32.387785
- Title: MCAnalysis: An Open-Source Package for Preprocessing, Modelling, and Visualisation of Menstrual Cycle Effects in Digital Health Data
- Title（参考訳）: MCAnalysis:デジタルヘルスデータにおけるメンタルサイクル効果の前処理、モデリング、可視化のためのオープンソースパッケージ
- Authors: Kyra Delray, Glyn Lewis, Bola Grace, Joseph Hayes, Robin Evans,
- Abstract要約: mcanalysisは、RとPythonのオープンソースパッケージで、月経周期研究のための一般化加法モデル(GAM)を実装している。
このパッケージをJuliの慢性健康管理アプリケーションから得られたデータを用いて15のウェアラブルおよび自己申告結果で実証した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The menstrual cycle influences numerous physiological and psychological outcomes, yet standardised, open-source statistical methods for quantifying these cyclic effects remain lacking. We developed mcanalysis, an open-source package in R and Python implementing a Fourier-basis generalised additive model (GAM) for menstrual cycle research. The package provides a complete pipeline: processing period dates, labelling cycle days relative to menstruation onset, filtering physiologically plausible cycles, normalising outcomes to individual means, fitting cyclic GAMs with bootstrap confidence intervals, and identifying turning points to generate phase-specific linear trend estimates. We demonstrate the package on 15 wearable and self-reported outcomes using data from the Juli chronic health management application (N = 2,816 users). Nine of 15 outcomes showed evidence of association with the menstrual cycle (p < 0.05), spanning physiological (HRV p < 0.001, oxygen saturation p = 0.002), sleep (p = 0.003), symptom (migraine p < 0.001, headache p = 0.005), mood (EMA mood p = 0.024, PHQ-8 lack of energy p = 0.008, mania p = 0.041), and activity (hours outside p = 0.019) domains. No tested confounders were significantly associated with cycle-normalised outcomes. mcanalysis provides a standardised, reproducible approach to menstrual cycle analysis for users at all levels of statistical expertise. The package is freely available at https://github.com/kyradelray/mcanalysis, with a no-code web interface at https://kyradelray.shinyapps.io/mcanalysis/.
- Abstract（参考訳）: 月経周期は、多くの生理的および心理的結果に影響を与えるが、これらの循環効果を定量化するための標準化されたオープンソースの統計手法は、依然として不足している。
我々は、月経周期研究のためのFourier-basis Generalized Additive Model (GAM)を実装した、RとPythonのオープンソースパッケージであるmcanalysisを開発した。
このパッケージは、処理期間の日時、月経開始に対するサイクル日数のラベル付け、生理学的に妥当なサイクルのフィルタリング、個別の手段への正規化結果、サイクルGAMをブートストラップ信頼区間に適合させ、旋回点を特定して位相特異的な線形トレンド推定を生成する完全なパイプラインを提供する。
このパッケージは、Juliの慢性健康管理アプリケーション(N=2,816ユーザ)のデータを用いて、ウェアラブルおよびセルフレポートされた15の成果を実演する。
15例中9例が月経周期(p < 0.05), 生理的(HRV p < 0.001, 酸素飽和p = 0.002), 睡眠(p = 0.003), 症状(移行性p < 0.001, 頭痛性p = 0.005), 気分(EMAの気分p = 0.024, PHQ-8のエネルギーp = 0.008, マニアp = 0.041), 活動(p = 0.019)と相関していた。
検査された共同創設者は、サイクルノーマライズされた結果と大きく関連していた。
mcanalysisは、統計的専門知識のあらゆるレベルにおいて、月経周期分析の標準化された再現可能なアプローチを提供する。
このパッケージはhttps://github.com/kyradelray/mcanalysisで無料で利用できる。
関連論文リスト
- RECLAIM: Cyclic Causal Discovery Amid Measurement Noise [11.865642857638527]
本稿では,サイクルと計測ノイズの両方を扱う因果発見フレームワークであるRECLAIMを提案する。
我々は, (i) ガウス加法雑音と (ii) ガウス加法雑音を持つ線形測定システムという2つの測定モデルを考える。
合成データと実世界のタンパク質シグナリングデータセットの実験により,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2026-03-21T00:53:13Z) - PMB-NN: Physiology-Centred Hybrid AI for Personalized Hemodynamic Monitoring from Photoplethysmography [2.578526056248276]
血圧(BP)と血行動態パラメータの連続モニタリングは早期血管障害検出に重要である。
これまで提案した生理的AI手法-PMB-NN(Physiological Model-based Network)による血圧推定は,RとCがパラメータ化した2要素ウィンドケッセルモデルを用いて深層学習を統合する。
論文 参考訳（メタデータ） (2025-12-11T15:32:50Z) - Flow based approach for Dynamic Temporal Causal models with non-Gaussian or Heteroscedastic Noises [37.02662517645979]
因果発見のための統合フレームワークであるFANTOMを紹介する。
非定常過程と非ガウス的および異方性雑音を扱う。
同時にレジームの数と対応するインデックスを推測し、各レジームのディレクテッド・アサイクリックグラフを学習する。
論文 参考訳（メタデータ） (2025-06-20T15:12:43Z) - Model Discovery and Graph Simulation: A Lightweight Gateway to Chaos Engineering [0.0]
カオスエンジニアリングはレジリエンスのリスクを明らかにしますが、広く頻繁に実行するには高価で運用上のリスクがあります。
我々は、単純な接続のみのトポロジモデルにより、フェールストップフォールトの下で、高速で低リスクなアベイラビリティー推定を行うことができると主張している。
論文 参考訳（メタデータ） (2025-06-12T10:59:28Z) - Objective Features Extracted from Motor Activity Time Series for Food Addiction Analysis Using Machine Learning - A Pilot Study [0.0]
食品依存度(FA)と症状数(SC)の客観的基準として,アクティメトリと機械学習が有効かを検討した。
これらの知見は、FAのデジタルバイオマーカーとして手首のアクティメトリをサポートし、アンケートを補完し、プライバシ保護臨床翻訳を促進する可能性がある。
論文 参考訳（メタデータ） (2024-08-31T00:33:17Z) - PyDTS: A Python Package for Discrete-Time Survival (Regularized)
Regression with Competing Risks [0.5735035463793008]
PyDTSは、離散時間生存データのための半パラメトリック競合リスクモデルをシミュレーション、推定、評価するためのパッケージである。
シミュレーション研究はパッケージの柔軟性と正確性を示している。
論文 参考訳（メタデータ） (2022-04-12T11:58:26Z) - 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) - Stable Prediction on Graphs with Agnostic Distribution Shift [105.12836224149633]
グラフニューラルネットワーク(GNN)は、ランダムにトレーニングとテストデータを分離した様々なグラフタスクに有効であることが示されている。
しかし、実際のアプリケーションでは、トレーニンググラフの分布はテストグラフとは異なるかもしれない。
本稿では,グラフ上での局所的およびグローバル的に安定な学習と予測を可能にする,GNNのための新しい安定な予測フレームワークを提案する。
論文 参考訳（メタデータ） (2021-10-08T02:45:47Z) - MSED: a multi-modal sleep event detection model for clinical sleep
analysis [62.997667081978825]
ポリソムノグラムで睡眠イベントを共同検出する,単一のディープニューラルネットワークアーキテクチャを設計した。
モデルの性能は,F1,精度,リコールスコア,および指標値と臨床値との相関で定量化した。
論文 参考訳（メタデータ） (2021-01-07T13:08:44Z) - Multilabel 12-Lead Electrocardiogram Classification Using Gradient
Boosting Tree Ensemble [64.29529357862955]
我々は,心電図の診断を分類するために,形態や信号処理機能に適合した勾配強化木のアンサンブルを用いたアルゴリズムを構築した。
各リードについて、心拍変動、PQRSTテンプレート形状、全信号波形から特徴を導出する。
各クラスに属するECGインスタンスの確率を予測するため、全12項目の特徴と合わせて、勾配を増す決定ツリーの集合に適合する。
論文 参考訳（メタデータ） (2020-10-21T18:11:36Z)
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。