自由生活环境中通过可穿戴设备预测纵向心肺健康状况
摘要：心肺适应性是代谢性疾病和死亡的预测因素。适应性可以直接以最大氧耗量(VO$\_{2}max$)进行测量，也可以通过心率对标准运动测试的反应进行间接评估。然而，这种测试成本高昂且繁琐，因为需要专门的设备，如跑步机和氧气面罩，限制了它的实用性。现代可穿戴设备可以捕捉动态的真实世界数据，从而改善适应性预测。在这项工作中，我们设计了将原始可穿戴传感器数据转化为心肺适应性估计的算法和模型。我们使用Fenland研究(N=11,059)及其纵向队列(N=2,675)，以及使用了UK Biobank验证研究(N=181)的第三个外部队列来验证这些估计在自由生活条件下捕捉适应性特征的能力。这些参与者接受了最大VO$\_{2}max$测试，即适应性的金标准测量。我们的结果表明，将可穿戴设备和其他生物标志物作为神经网络的输入组合，能够与保留样本的真实数据强相关(r = 0.82，95CI 0.80-0.83)，优于其他方法和模型，并能检测到时间上的适应性变化(例如，7年后)。我们还展示了如何使用模型的潜在空间来进行适应性感知的患者亚型分类，为可扩展的干预和个性化的试验招募铺平了道路。这些结果证明了可穿戴设备用于适应性估计的价值，而这种估计目前只能通过实验室测试来进行。
作者：Dimitris Spathis, Ignacio Perez-Pozuelo, Tomas I. Gonzales, Yu Wu, Soren Brage, Nicholas Wareham, Cecilia Mascolo
论文ID：2205.03116
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-08-28