利用智能手表生理与活动数据检测创伤后应激障碍过度警觉事件
机器学习
2022-10-12 v2 人机交互
摘要
创伤后应激障碍（PTSD）是一种精神疾病，影响近四分之一从战区归来的美国退伍军人。PTSD 的治疗通常包括门诊治疗与药物结合。然而，患者最严重的 PTSD 症状常出现在治疗时段之外。移动健康应用或可弥补这一缺口，但其有效性受限于当前连续监测与检测能力方面的不足，难以实现及时干预。本文旨在开发一种利用生理及基于活动的机器学习算法检测过度警觉事件的新方法。来自 99 名确诊 PTSD 的美国退伍军人连续数天的生理数据（包括心率与身体加速度）以及自我报告的过度警觉事件，通过使用为商用现成可穿戴设备开发的工具采集。这些数据被用于开发四种机器学习算法：随机森林（Random Forest）、支持向量机（Support Vector Machine）、逻辑回归（Logistic Regression）与 XGBoost。XGBoost 模型在检测 PTSD 症状发作方面表现最佳，准确率超过 83%，AUC 为 0.70。事后 SHapley Additive exPlanations（SHAP）加性解释分析显示，算法预测与平均心率、最小心率及平均身体加速度相关。研究结果表明，检测 PTSD 症状发作具有前景，这可作为开发 PTSD 远程连续监测系统的依据。此类系统或可弥补 scheduled clinical appointments（既定临床预约）之外 PTSD 自我管理即时干预的重要缺口。
引用
@article{arxiv.2109.14743,
title = {Posttraumatic Stress Disorder Hyperarousal Event Detection Using Smartwatch Physiological and Activity Data},
author = {Mahnoosh Sadeghi and Anthony D McDonald and Farzan Sasangohar},
journal= {arXiv preprint arXiv:2109.14743},
year = {2022}
}
备注
23 pages, 3 figures