使用个人的数据预测血压
加州大学圣地亚哥分校的工程师可穿戴使用现成的技术和机器学习预测,第一次,一个人的血压和提供个性化的建议来降低它基于此数据。
他们的工作赢得了在2018年IEEE Healthcom最佳论文。研究者的知识,这是第一个调查的日常工作血压预测和健康行为的关系数据收集的衣物。
当医生告诉病人做出很多重要的生活方式changes-exercise更多,睡眠更好,降低盐摄入量可以压倒一切,而是和遵从性不是很高,Sujit戴伊说,该论文的作者之一,中心主任无线通信在加州大学圣地亚哥分校的雅各布斯工程学院,他是一个在电子和计算机工程系教授。
“如果我们可以找到一个最影响个体的健康行为血压力,让他们专注于一个目标,相反,”戴伊问道。
戴伊和合作者Po-Han蒋介石,研究生在移动系统设计实验室的电子和计算机工程系在加州大学圣地亚哥分校的雅各布斯工程学院,收集睡眠,锻炼和血压数据从8个病人超过90天使用FitBit负责人力资源和欧姆龙Evolv无线监测血压。使用机器学习和数据从现有的可穿戴设备,他们开发了一个算法来预测用户的血压和显示特定健康行为影响最。
本研究肯定了在广义信息个性化数据的重要性。虽然许多健康数据库添加大量的病人数据到一个模型中,考虑所有的病人一起健康的建议,本研究中的个性化信息更有效。例如,一个主题的血压影响最大的分钟数他们每天久坐不动的。改变一个因素有显著的影响,降低15.4%的平均收缩压和舒张压14.2%一个星期。对于另一个主题,他们上床睡觉的时间是最重要的因素在降低血压基于历史数据。当这个话题共有58分钟前上床睡觉前一周,他们经历了下降3.6%收缩压和他们的平均降低6.6%舒张压前一周。
“这项研究表明,使用无线衣物和其他设备来收集和分析个人数据可以帮助病人从反应过渡到连续护理,”戴伊说。”而不是说“我的血压是高的,所以我会去看医生的药,”病人和医生使用这种类型的系统可以允许他们在连续的基础上管理自己的症状。”
戴伊和蒋介石最近与加州大学圣地亚哥医疗和临床医生正在测试他们的预测模型在更大的样本量,提前一天提供预测,并研究的长期影响健康行为上的血压力。
