.png){kind=icon}
返回
Migraine attack prediction using wearable biosensor data
.png){kind=icon}
PRE
AI
DOI：10.1177/03331024261492220.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
背景
许多偏头痛患者报告在管理其发作时存在困难，导致工作日缺失、认知功能受损以及社会活动参与度降低。这一挑战凸显了识别即将发作的可靠指标的重要性。本研究旨在开发和评估基于自主神经系统活动连续、无创监测的机器学习模型，以预测偏头痛发作。
方法
利用Empatica EmbracePlus（Empatica Inc.，波士顿，MA，美国）腕戴式生物传感器设备采集的电皮电活动、心率、皮肤温度和代谢当量数据，通过机器学习模型分析以检测前驱期自主神经系统变化并预测即将发生的偏头痛头痛。通过参与者特定的模型选择开发了个性化模型，而泛化迁移能力则采用留一参与者法进行评估。
结果
分析了27名参与者的数据，平均监测期为30.8±12.9天，期间记录了96次偏头痛发作，相当于每位参与者3.6±1.0次发作。个性化预测模型（每个模型反映参与者特定的最佳选择配置）实现了良好的总体预测性能，准确率的平均值为0.82±0.10，精确率为0.75±0.16，召回率为0.72±0.12，F1得分为0.73±0.12。受试者工作特征曲线下平均面积为0.84±0.10。高斯朴素贝叶斯模型被最频繁地选中，占有效参与者特定配置的44%。泛化模型仅在三分之一的参与者中提供了优于随机水平的性能。
结论
本研究支持使用腕戴式生物传感器采集的连续生理数据，通过个性化机器学习方法分析来预测偏头痛发作的可行性。
期刊
IF:
4.6
论文数:
4.6K
被引数:
1.3W
机构
引用论文
Migraine remains second among the world's causes of disability, and first among young women: findings from GBD2019偏头痛仍然是世界残疾原因中的第二位，在年轻女性中排名第一: 来自GBD2019的调查结果
OAAI
OAAI分享收藏Global epidemiology of migraine and its implications for public health and health policy.png)
NATURE REVIEWS NEUROLOGY
NATURE REVIEWS NEUROLOGYIF33.1
PREAI
分享收藏分享收藏United States Patients' Perspective of Living With Migraine: Country-Specific Results From the Global My Migraine Voice SurveyHEADACHEOAAI
HEADACHEIF4
OAAI分享收藏Investigating the effects of weather on headache occurrence using a smartphone application and artificial intelligence: A retrospective observational cross-sectional study使用智能手机应用程序和人工智能调查天气对头痛发生的影响: 一项回顾性观察性横断面研究HEADACHEOAAI
HEADACHEIF4
OAAI分享收藏
查看更多内容