用于生理数据分析的时间序与因果向量
应用统计
2020-10-12 v2
摘要
除了基于全局参数和时间序列的方法外，生理分析还应包含一种局部时间分析方法，尤其是在分析方案段内的数据时。为此，我们引入了实现基于因果向量（CV）的时间序估计的 R 包。它可使用线性建模或时间序列距离。该算法在包含潮气量和心率图的 cardiorespiratory 数据上进行了测试，数据来自精英运动员（仰卧和站立，静态条件下）和对照组（仰卧时不同频率和深度的呼吸）。我们检验了 CV 与体位或呼吸方式之间的关系。呼吸频率对 CV 的影响大于呼吸深度。当呼吸较慢时，心率图曲线相对更多地先于潮气量。临床相关性——该方法可评估（1）两个信号之间的关系，其中给定范围内一个信号发生时间偏移；（2）最优信号间偏移曲线；以及（c）它们随时间稳定性；也适用于其他生理研究。
引用
@article{arxiv.1908.00123,
title = {Temporal orders and causal vector for physiological data analysis},
author = {Marcel Młyńczak},
journal= {arXiv preprint arXiv:1908.00123},
year = {2020}
}
备注
Accepted for the 42nd IEEE Annual International Conference of the IEEE Engineering in Medicine and Biology Society, EMBC'20; 4 pages, 3 figures, 5 tables, 14 references