利用智能手机与可穿戴设备监测 COVID-19 期间的行为变化
定量方法
2020-10-05 v3 人机交互
摘要
我们旨在探索近期开发的开放源代码移动健康平台 RADAR-base 作为工具箱，以快速检验旨在限制 COVID-19 传播的非药物干预（NPI）的效果与响应。我们分析了由 RADAR-base 管理、提取自智能手机与可穿戴设备的数据，样本为意大利、西班牙、丹麦、英国和荷兰招募的 1062 名参与者。我们每日导出九项特征，包括居家时长、离家最远移动距离、启用蓝牙的附近设备最大数量（作为物理距离的代理）、步数、平均心率、睡眠时长、就寝时间、手机解锁时长和社交应用使用时长。我们采用 Kruskal-Wallis 检验及随后的 Dunn 事后检验，评估这些特征在基线期、封锁前期与封锁期之间的差异。我们还按年龄、性别、身体质量指数（BMI）和教育背景研究了行为差异。我们能够量化封锁前期与封锁期之间在居家时长、出行距离和附近启用蓝牙设备数量上的预期变化。我们通过移动特征测得社交活动减少，并通过手机使用测得虚拟社交增加。人们在手机上更为活跃，花费更多时间使用社交媒体应用，尤其在重大新闻事件前后。此外，参与者心率降低、就寝更晚、睡眠更久。我们还发现年轻人在封锁期间居家时间长于年长者且每日步数更少。尽管高 BMI 与低 BMI 组在居家时长上无显著差异，但低 BMI 组步行更多。RADAR-base 可用于快速量化并给出对诸如 COVID-19 等传染病暴发所致公共卫生干预的行为变化的整体视图。
引用
@article{arxiv.2004.14331,
title = {Using smartphones and wearable devices to monitor behavioural changes during COVID-19},
author = {Shaoxiong Sun and Amos Folarin and Yatharth Ranjan and Zulqarnain Rashid and Pauline Conde and Callum Stewart and Nicholas Cummins and Faith Matcham and Gloria Dalla Costa and Sara Simblett and Letizia Leocani and Per Soelberg Sørensen and Mathias Buron and Ana Isabel Guerrero and Ana Zabalza and Brenda WJH Penninx and Femke Lamers and Sara Siddi and Josep Maria Haro and Inez Myin-Germeys and Aki Rintala and Til Wykes and Vaibhav A. Narayan and Giancarlo Comi and Matthew Hotopf and Richard JB Dobson},
journal= {arXiv preprint arXiv:2004.14331},
year = {2020}
}