应对门诊观察性研究中的数据质量挑战：腕戴式可穿戴监测的分析、方法与实用解决方案
计算工程、金融与科学
2024-01-25 v1
摘要
慢性病管理与随访对于实现患者持续的身心健康和最佳健康结果至关重要。可穿戴传感技术的最新进展，特别是腕戴式设备，通过从主观、间歇性的自我报告转向客观、连续的监测，为纵向患者随访提供了有前景的解决方案。然而，可穿戴数据的收集与分析带来了独特的挑战，如数据录入错误、非佩戴时段、可穿戴数据缺失以及可穿戴伪影。因此，我们利用两个真实世界数据集（即 mBrain21 和 ETRI lifelog2020），对与腕戴式可穿戴设备和门诊标签获取相关的数据分析挑战进行了深入探讨。我们引入了新颖的实用对策，包括参与者依从性可视化、用于评估个人偏见的交互触发式问卷，以及优化的可穿戴设备非佩戴检测流水线。此外，我们提出了一种可视化分析方法，利用 tsflex 和 Plotly-Resampler 等可扩展工具来验证处理流水线。最后，我们研究了可穿戴数据缺失对“感兴趣窗口”分析方法的影响。我们将透明度和可重复性置于首位，提供详细代码示例的开放访问，以促进在未来可穿戴研究中的适配。总之，我们的贡献为慢性病管理中的可穿戴数据收集与分析提供了可操作的方法。
引用
@article{arxiv.2401.13518,
title = {Addressing Data Quality Challenges in Observational Ambulatory Studies: Analysis, Methodologies and Practical Solutions for Wrist-worn Wearable Monitoring},
author = {Jonas Van Der Donckt and Nicolas Vandenbussche and Jeroen Van Der Donckt and Stephanie Chen and Marija Stojchevska and Mathias De Brouwer and Bram Steenwinckel and Koen Paemeleire and Femke Ongenae and Sofie Van Hoecke},
journal= {arXiv preprint arXiv:2401.13518},
year = {2024}
}
备注
29 pages, 16 figures