基于传感器数据的哮喘患者空气污染暴露与呼吸率因果关系识别分析
应用统计
2023-01-18 v1 机器学习
摘要
根据2020年10月发布的柳叶刀全球疾病负担报告，空气污染是全球健康的五大最高风险因素之一，平均使预期寿命减少20个月。本文描述了一种数据驱动方法，用于在源自可穿戴传感器的两个多元时间序列数据流内部及之间建立因果关系：由佩戴在身上的Airspeck监测仪收集的空气动力学直径小于2.5um的颗粒物个人暴露（PM2.5），以及由贴在胸部的Respeck监测仪测量的连续呼吸率（次/分钟）。针对113名哮喘青少年的队列，使用PCMCI+算法学习暴露与呼吸率滞后之间的短期因果关系，给出了结果。我们考虑最多8小时延迟的因果效应，在不同实验中分别使用1分钟和15分钟分辨率的数据。首次证明了在哮喘青少年日常生活中，PM2.5暴露与呼吸率之间存在针对短期效应的个性化暴露-反应关系。我们的结果对因果发现中具体开放问题的工作提出了建议，以提高该方法在未来类似流行病学研究中的可行性。
引用
@article{arxiv.2301.06300,
title = {Sensor data-driven analysis for identification of causal relationships between exposure to air pollution and respiratory rate in asthmatics},
author = {D K Arvind and S Maiya},
journal= {arXiv preprint arXiv:2301.06300},
year = {2023}
}
备注
14 pages, 9 figures