用于识别痴呆症患者日常活动模式变化的马尔可夫链模型
应用统计
2023-07-24 v1 人机交互
机器学习
摘要
营养不良和脱水与痴呆症患者 (PLWD) 认知和功能衰退加剧以及相较于健康对照者更高的住院率密切相关。饮食行为的极端变化常导致营养不良和脱水，加速认知和功能衰退进程并造成生活质量显著下降。遗憾的是，目前尚无客观检测此类变化的标准方法。在此，我们呈现基于物联网技术从 73 户 PLWD 家庭收集的家庭监测数据所开展的广泛定量分析的结果。2019 冠状病毒病 (COVID-19) 大流行此前已被证明显著改变了 PLWD 的行为习惯，尤其是饮食和饮水习惯。以 COVID-19 大流行为自然实验，我们采用线性混合效应模型，在持续监测 499 天的 21 户 PLWD 子集家庭中检验厨房平均活动的变化。我们报告了日间厨房活动的可观测增加以及夜间厨房活动的显著减少 (t(147) = -2.90, p < 0.001)。我们进一步提出了一种新颖的分析方法，利用应用于远程监测数据的马尔可夫建模来检测 PLWD 行为变化，作为无法直接测量的行为的代理。这些结果共同为在自然环境中改进 PLWD 监测以及从被动护理转向主动护理铺平了道路。
引用
@article{arxiv.2307.11126,
title = {A Markov Chain Model for Identifying Changes in Daily Activity Patterns of People Living with Dementia},
author = {Nan Fletcher-Lloyd and Alina-Irina Serban and Magdalena Kolanko and David Wingfield and Danielle Wilson and Ramin Nilforooshan and Payam Barnaghi and Eyal Soreq},
journal= {arXiv preprint arXiv:2307.11126},
year = {2023}
}
备注
12 pages, 7 figures, journal