外媒 | 可穿戴设备和机器学习预测儿童注意力缺陷多动障碍和睡眠问题-普瑞纯证

最近在JAMA Network Open上发表的一项研究描述了研究人员如何结合可穿戴设备和机器学习方法，利用数字表型帮助预测儿童注意力缺陷多动障碍（ADHD）和睡眠问题。根据美国疾病控制和预防中心（CDC）的统计数据，ADHD是儿童最常见的神经发育障碍之一。受影响的儿童可能难以控制冲动行为、注意力不集中或过度活跃。在美国，估计有600万3至17岁的儿童患有ADHD。研究人员指出，睡眠问题经常伴随着ADHD症状出现。这两者都会对儿童的心理健康产生重大影响。他们指出，这些影响凸显了早期发现的重要性，但基于访谈的诊断方法存在一些限制。为了解决这个问题，研究团队开发了一个工具，利用可穿戴设备数据创建数字表型来预测ADHD和睡眠问题。队列参与者和他们的数据来自美国最大的长期大脑发育和儿童健康研究——青少年大脑认知发展研究（ABCD）。研究人员利用每个参与者的性别、可穿戴设备、青少年人体测量数据和ABCD研究的K-SADS数据，通过生物标记物和可穿戴设备数据扩展这些数据以反映参与者的日常生物节律。可穿戴设备数据来自ABCD发行的移动技术和可穿戴设备。这些数据包括心率、30秒和60秒记录的睡眠阶段、卡路里、强度和代谢当量。为了生成预测特征，研究团队排除了每小时记录少于30分钟和每天记录少于5小时的可穿戴设备数据。从那里开始，创建了64个生物节律特征，包括就寝时间和白天的心率和步数、小睡的持续时间和睡眠的持续时间。使用从6,571名患者的筛查数据和从5,725名患者的两年后随访收集的21天可穿戴设备数据，为每个参与者生成了基于生物节律的特征。总共，ADHD的可穿戴设备数据点为12,348个，睡眠问题的数据点为39,160个，用于ML模型。在6,571名接受筛查的儿童中，有1,090名个体被纳入ADHD分析，其中79名被诊断为真实的ADHD。

版权声明 本网站所有注明“来源：普瑞纯证”或“来源：pureFDA”的文字、图片和音视频资料，版权均属于普瑞纯证网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：普瑞纯证”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。