論文の概要: Validation of a Facial-Video Digital Hydration Biomarker Score for Tracking Hydration State Transitions in a Real-World Fasting Model
- arxiv url: http://arxiv.org/abs/2611.14993v1
- Date: Wed, 11 Nov 2026 03:47:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.002825
- Title: Validation of a Facial-Video Digital Hydration Biomarker Score for Tracking Hydration State Transitions in a Real-World Fasting Model
- Title(参考訳): 実世界高速化モデルにおけるハイドレーション状態遷移追跡のためのデジタルハイドレーションバイオマーカースコアの検証
- Abstract要約: 顔画像のライフスタイルのデジタルバイオマーカースコアが水和状態遷移の方向を追跡できるという,初期の実世界の証拠を提示する。
ラマダン・ファストニングを延長流体の禁忌のモデルとして使用し、このスコアがフライング(プレドリンク)状態と再加水(ポストドリンク)状態の遷移を追跡するかどうかを評価する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Hydration influences physiology and daily function, yet repeated practical measurement in everyday settings remains limited. We present initial real-world evidence that a facial-video lifestyle digital biomarker score can track the direction of hydration state transitions. Using Ramadan fasting as a model of prolonged fluid abstinence, we assessed whether the score tracks the transition between the fasting (pre-drink) state and the rehydrated (post-drink) state across three validation layers. In the primary cohort (104 participants, 208 videos), the score increased from a mean of 36.6 in the fasting (pre-drink) state to 70.6 in the rehydrated (post-drink) state (change = +33.9, 95% CI [+30.7, +37.1], p < 0.001, Cohen's d = 2.03), with 102 of 104 participants (98.1%) showing an upward shift. In a nested body-weight subgroup (20 participants), body weight increased by +0.74 kg after fluid intake (p < 0.001), confirming fluid uptake and providing supportive physical anchoring. In a nested serum osmolality subgroup (10 participants), osmolality decreased by -5.1 mOsm/kg (p < 0.001), with all post-drink values within the normal clinical range, providing exploratory biological support. An exploratory secondary comparison of water versus electrolyte rehydration showed no statistically significant difference in short-term score change (p = 0.247). This study does not establish a clinical diagnostic test for dehydration. Rather, these findings support the score as a lifestyle digital biomarker for tracking the direction of hydration state change in real-world settings.
- Abstract(参考訳): 水和は生理学や日常生活機能に影響を及ぼすが、日常的な環境下での実践的な測定は依然として限られている。
顔画像のライフスタイルのデジタルバイオマーカースコアが水和状態遷移の方向を追跡できるという,初期の実世界の証拠を提示する。
ラマダン・ファストニングを延長流体の禁忌モデルとして使用し、3つの検証層にまたがる保水状態(プレドリンク)状態と再加水状態(ポストドリンク)状態の遷移をスコアが追跡するかどうかを評価する。
初回コホート(104名,ビデオ208名)では, ファストリング(プレドリンク)状態の36.6から, 再水和状態(交換=+33.9, 95% CI[+30.7, +37.1], p < 0.001, Cohen's d = 2.03), 104名中102名(98.1%)が上向きシフトを示した。
巣状体重量サブグループ(20名)では、流体摂取後(p < 0.001)で体重が+0.74kg増加した。
精巣型血清オモラリティサブグループ(10名)では, 浸透圧は5.1 mOsm/kg (p < 0.001) 低下し, 正常な臨床範囲内での投与後値はすべて低下し, 探索的生物学的支援が得られた。
水と電解質のリハイドレーションを探索的に比較したところ、短期的なスコアの変化には統計的に有意な差は認められなかった(p = 0.247)。
本研究は, 脱水症状を診断するための臨床検査を定めていない。
むしろこれらの知見は、現実の環境での水和状態の変化の方向を追跡するためのライフスタイルのデジタルバイオマーカーとしてのスコアを支持している。
関連論文リスト
- Pulse waveform morphology encodes haemodynamic signatures of impending stroke [35.2919415979524]
光胸腺撮影は末梢脈拍をビートで捉えているが、その形態はほとんど捨てられている。
ここでは、波形パルス形態が差し迫ったストロークのヘモダイナミックシグネチャを符号化するかどうかを問う。
論文 参考訳(メタデータ) (2026-11-07T13:53:40Z) - Personalized health coaching via coachable health age and counterfactual wearable trajectories [40.284059503685036]
Coachable Health Age (CHA) は、消費者ウェアラブルが捉えた生理的および行動的な信号から構築された、解釈可能な健康年齢指標である。
Sensor World Model(センサー・ワールド・モデル、SensorWM)は、2200万人以上の縦型センサーデータを事前訓練したアクションコンディショナブルなウェアラブルワールドモデルである。
我々はCHAとSensorWMをエージェント対実コーチングシステムに統合し、パーソナライズされた12週間のコーチング計画を合成する。
論文 参考訳(メタデータ) (2026-11-05T17:52:57Z) - PMB-NN: Physiological-Model-Based Neural Network for Glucose Forecasting in Type 1 Diabetes [3.0220509283348247]
生理モデルに基づくニューラルネットワーク(PMB--NN)をグルコース予測に適用した。
AZT1D患者25名から連続血糖モニタリング,ポンプ,食事記録を6~8週に分けた。
3回の変動で高血糖の精度は改善したが,MAE全体の変化は認められず,3回の検査では方向性の妥当性が低下した。
論文 参考訳(メタデータ) (2026-10-11T08:57:35Z) - Kinematic signatures of impairment: Detecting alcohol intoxication in e-scooter riders using sensor data and machine learning [40.71158897892531]
アルコール中毒は、致命的かつ重傷を負ったe-scooteristのクラッシュの原因となる。
現在の対策は、E-Scooteristの物理的運動制御や障害をリアルタイムで継続的に評価することはできない。
実験では,25名の被験者が体調を崩しながらテストコースを走行し,計器式eスクータを装着した。
論文 参考訳(メタデータ) (2026-09-29T15:40:39Z) - Using Machine Learning to Investigate Predictors of Fasting Blood Glucose: Insights into Circadian Timing and Age Interactions [0.0]
糖の欠乏は代謝障害や2型糖尿病に大きく寄与する。
本研究では, 代謝, ホルモン, ライフスタイル, 人口動態, 栄養, 概日変動を用いて, ログトランスフォーメーションによる血糖値の予測を行う機械学習フレームワークを開発した。
論文 参考訳(メタデータ) (2026-09-26T09:01:27Z) - MARVEL: Universal Murray's Law-informed Vessel Tree Segmentation and Topology Estimation [75.40785674602147]
血管セグメンテーションのための深層学習法は、しばしば生物物理学的な制約を無視している。
これは生理的に不確実な分岐と誤分類の血管木につながる。
バイオ物理の先駆体を血管樹抽出に組み込んだ背骨非依存フレームワークMARVELについて紹介する。
論文 参考訳(メタデータ) (2026-05-25T02:32:29Z) - Simulating clinical interventions with a generative multimodal model of human physiology [49.828582089394445]
HealthFormerは、人間の生理的軌道を生成的にモデル化するデコーダのみのトランスフォーマーである。
7つの領域にまたがる667個の測定値に対して,各被験者の健康軌道をトークン化する。
HealthFormerは、30のインシデント障害および死亡エンドポイントのうち27の予測を改善し、各比較で確立された臨床リスクスコアを超えた。
論文 参考訳(メタデータ) (2026-04-30T14:10:30Z) - CoDaS: AI Co-Data-Scientist for Biomarker Discovery via Wearable Sensors [44.01195029438923]
バイオマーカー発見を反復的プロセスとして構築するシステムであるCoDaS(AI Co-Data-Scientist)を紹介する。
コホートは計9,279人、CoDaSは41人のメンタルヘルスと25人のメタボリックな結果を得た。
CoDaSは、両データセットの概日不安定性に関連する特徴を睡眠時間変動に反映した。
論文 参考訳(メタデータ) (2026-04-16T04:47:55Z)
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。