論文の概要: Passive wearable physiology tracks a state-level material-hardship gradient in resting heart rate

• arxiv url: http://arxiv.org/abs/2607.25301v1
• Date: Tue, 28 Jul 2026 05:25:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.719508
• Title: Passive wearable physiology tracks a state-level material-hardship gradient in resting heart rate
• Title（参考訳）: 受動的ウェアラブル生理学は、安静時心拍数における状態レベルの物質硬度勾配を追跡する
• Abstract要約: 安静時心拍数は心臓血管のリスクの指標として確立されているが、人口規模の測定は臨床または調査機器に依存している。 臨床コホートで確立された社会経済の勾配を,受動的に知覚した消費者ウェアラブル生理学が回復するか否かを問う。 Welltoryアプリのオプトインユーザー18,734人の1910万枚の品質フィルターによるフォトプレチスモグラフィーデータを用いて、米国1州あたりの平均日中安静心拍数を計算した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Resting heart rate is an established marker of cardiovascular risk, but population-scale measurement has depended on clinical or survey instruments. We ask whether passively sensed consumer-wearable physiology recovers the socioeconomic gradient established in clinical cohorts. Using 19.1 million quality-filtered photoplethysmography readings from 18,734 opt-in users of the Welltory app, we computed cohort-adjusted mean daytime resting heart rate per US state and related it to a four-component state-level material-hardship composite (uninsurance, food insecurity, utility shutoff, housing insecurity; 41 states with module coverage, 12,497 contributing users). Adjusting for six state health and behaviour indicators, latitude, median age, and density, state resting heart rate tracked hardship at partial Spearman $ρ= +0.74$ (bootstrap 95\% CI $[+0.31, +0.87]$; $[+0.06, +0.79]$ under a conservative two-stage bootstrap that also resamples users within states). The gradient stayed positive under every check: leave-one-state-out ($+0.67$ to $+0.79$), demographic re-weighting, composition and census-region fixed effects ($+0.75$, $+0.78$), split-sample resampling (held-out median $+0.51$ to $+0.56$), and reduced variants such as a heavy-wear subsample ($+0.48$); residuals carry no detectable spatial autocorrelation. It was absent in two other metrics from the same panel and not matched by income or inequality under the same adjustment. Users in the five highest-hardship states averaged $+1.33$ bpm over those in the five lowest. Passive consumer-wearable physiology tracks, at the area level, a gradient previously established primarily in clinical and cohort studies, without surveying the users themselves. The composite was selected in exploratory analysis, after a pre-specified broader precarity index gave a weaker association ($+0.29$); the association is cross-sectional and ecological.
• Abstract（参考訳）: 安静時心拍数は心臓血管のリスクの指標として確立されているが、人口規模の測定は臨床または調査機器に依存している。 臨床コホートで確立された社会経済の勾配を,受動的に知覚した消費者ウェアラブル生理学が回復するか否かを問う。 Welltoryアプリの18,734人のオプトインユーザから1910万件のクオリティフィルターによるフォトプレチスモグラフィーデータを用いて、米国1州あたりの平均昼時安静心拍数を計算し、それを4成分のステートレベルの物質硬化型複合材料(保険、食品の安全性、ユーティリティ・シャットオフ、住宅の安全性、41のステート、モジュールカバレッジ、12,497のコントリビュートユーザ)に関連づけた。 6つの州健康・行動指標、緯度、中央値年齢、密度を調整し、Spearman $ρ= +0.74$(Bootstrap 95\% CI $[+0.31, +0.87]$; $[+0.06, +0.79]$; 保守的な2段階ブートストラップの下で、州内のユーザーを再サンプリングする)で心拍数を追跡した。 leave-one-state-out ($+0.67$ to $+0.79$), population re-weighting, composition and census- Regional fixed effect ($+0.75$, $+0.78$), split-sample resampling (held-out median $+0.51$ to $+0.56$), and reduce variants as a heavy-wear subsample ($+0.48$); 残余は検出可能な空間自己相関を持たない。 同じパネルの他の2つの指標には欠落しており、同じ調整の下での所得や不平等と一致しなかった。 最強の5州のユーザーは、最低の5州よりも平均で+1.33ドルbpmだった。 地域レベルでは、ユーザー自身を調査することなく、主に臨床およびコホート研究で確立された勾配である。 この複合体は、事前に特定されたより広範な前立腺指数がより弱い関係(+0.29$)を与えた後、探索分析で選択された。

関連論文リスト

• OmniMed-FL: A Robust Multimodal Federated Learning Framework for Clinical Diagnosis [17.411567668075577]
  OmniMed-FLは,5段階の臨床条件分類のためのマルチモーダル学習の制御システムである。 本研究のプロキシコーパスでは, 患者ではなくクラス別に, 3000の公衆胸部X線写真と3,000のクラスFOLD合成ノートを照合した。 すべてのノートは合成され、ペアリングは患者レベルではないため、これらは記述的なプロキシ比較であり、診断性能やデプロイメントの準備ができていない。
  論文  参考訳（メタデータ） (2026-09-09T15:56:26Z)
• Cross-Dataset Transfer and Reliability of Explainable Artificial Intelligence for RhythmFormer Remote Photoplethysmography [1.647210198730602]
  リモート光胸腺撮影は、顔画像から心臓血管の脈波を推定する。 それらの説明を定量化し、モデルの性能に関連があるかどうかを問うた。 ある条件に対する帰属が示すのは、その地図がどれだけ忠実に順序付けられたかというよりも、モデルがどのように見えるかである。
  論文  参考訳（メタデータ） (2026-09-03T10:59:45Z)
• Learning a Continuous Sepsis Severity Score Without Hour-by-Hour Supervision: A Two-Site Retrospective Study [6.58570893992725]
  現在使われているセプシスの重症度指数は、数十年前に確立された固定変数と重みに依存している。 72時間処理ウィンドウ上で43変数を正規チャート化して死亡率の指標を作成した。 乳酸濃度の変化は乳酸濃度の変化と相関した。
  論文  参考訳（メタデータ） (2026-08-27T17:46:21Z)
• WDL-OPD: Weak-Driven On-Policy Distillation via Mixture-Constrained Co-Training [48.290951447286744]
  WDL-OPDは2つの訓練可能なポリシーを持つ混合制約付き協調訓練法である。 アンカーポリシはロールアウト毎に生成し、補助ポリシは同じ訪問状態を評価し、それらのトークン分布の幾何学的混合を逆KLで凍結教師にマッチングする。 凍結はPD$2とW2S-OPDと密接に関連するアンカープラスコントラストのプロキシターゲットを回復させるが,ジョイントトレーニングは静的デルタが表現できない分岐レベル自由度を生成する。
  論文  参考訳（メタデータ） (2026-08-10T11:22:53Z)
• What Carries the Signal in Pathology Foundation-Model Atlases? A Patient-Level Controlled Benchmark in Breast Cancer [0.0]
  凍結した背骨11本, 遺伝子プログラム4本, TCGA-BRCA285本のペアスライドとRNA-seqについて検討した。 平均プール埋め込みにおけるリッジ回帰は、Spearman = 0.25-0.56, UNI2のホールドアウトプログラムスコアを予測している(免疫0.556) シグナルは本物であるが、一様ではない。同じ患者と折り畳みの競合モデルに対して、埋め込みは、ER/光、増殖、免疫(+0.280, +0.284, +0.479; p = 0.003)の組織組成を破るが、基礎ではない。
  論文  参考訳（メタデータ） (2026-07-31T04:58:29Z)
• Auditing Construct Overlap in Explainable Machine Learning: Evidence from Burnout-Depression Prediction Across Student Cohorts [0.7734726150561088]
  我々は、ElasticNetパイプラインが明らかにローバストでクロスポピュレーション可能なリスク階層を生成する方法を示す。 パイプラインは、結果が測定された場所において、特性不安と健康満足度が支配される階層を生成する。
  論文  参考訳（メタデータ） (2026-07-12T07:56:38Z)
• Stochastic Estimation of the Layer-wise Hessian Trace for Monitoring Neural-network Training [45.88028371034407]
  本稿では,ニューラルネットワークの経験的リスクであるヘッセン行列の対角ブロックの軌跡のパラメータ推定器を提案する。 この手順はハッチンソントレース推定器とパラメータベクトル全体の上の1つのヘッセンベクトル積を組み合わせたものである。 重み分担の下での正しさは,第2次微分の前に階層的にヘッセンを組み立てる必要があることを示す。
  論文  参考訳（メタデータ） (2026-05-25T10:24:32Z)
• ClinicalBench: Stress-Testing Assertion-Aware Retrieval for Cross-Admission Clinical QA on MIMIC-IV [0.0]
  推論ベンチマークはクリーンインプットの臨床的パフォーマンスを測定する。 我々は, 否定, 時間性, 家族反対の帰属が正しい答えを誤ったものに戻すことができる, 実際の EHR ノートを検索することで, 推論の段階を評価する。 EpiKGは、アサーションラベルと時間性タグを患者の知識グラフに格納し、質問意図による検索をルーティングする。
  論文  参考訳（メタデータ） (2026-05-11T18:47:52Z)
• Cardiac Stability Theory: An Axiomatically Grounded Framework for Continuous Cardiac Health Monitoring via Smartphone Photoplethysmography [1.1344265020822928]
  心血管の健康を心動性誘引器の安定性の限界として正式に定義する軸相的基盤の枠組みを提示する。 4つの公理から、時間遅延埋め込みにおける複合スカラーである心安定指数(CSI)を導出する。 我々は、CDT(Complementary Domain Transfer)を介して、CSIをスマートフォンPPGに拡張する。 本研究は, 経時的安定度測定値の相対人口年齢を導出し, 商品追跡と心的リスク階層化から連続的非侵襲的心臓モニタリングを可能にした。
  論文  参考訳（メタデータ） (2026-04-26T20:36:34Z)
• Robust Fair Disease Diagnosis in CT Images [6.957497306200416]
  クラス不均衡とグループアンダー表現はしばしば一致し、複合的な障害モードを生み出します。 この問題の両軸を対象とする2段階の目標を提案する。 Kinetics-400で事前訓練した3D ResNet-18を用いたFair Disease Diagnosisベンチマークについて検討した。
  論文  参考訳（メタデータ） (2026-04-08T03:37:44Z)
• Thoracic Cartilage Ultrasound-CT Registration using Dense Skeleton Graph [49.11220791279602]
  一般的なアトラスから個々の患者への計画された経路を正確にマッピングすることは困難である。 アトラスから現在の設定へ計画されたパスを転送できるように、グラフベースの非厳密な登録を提案する。
  論文  参考訳（メタデータ） (2023-07-07T18:57:21Z)
• Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
  この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。 そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。 拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
  論文  参考訳（メタデータ） (2022-05-05T10:31:57Z)
• 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)
• 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)
• Automatic sleep stage classification with deep residual networks in a mixed-cohort setting [63.52264764099532]
  我々は,大規模コホートの一般化性を評価するために,新しいディープニューラルネットワークモデルを開発した。 総合的な分類精度はトレーニングデータの分数を増やして向上した。
  論文  参考訳（メタデータ） (2020-08-21T10:48:35Z)

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。