文献

J-GLOBAL ID：201502221365410751   整理番号：15A0941093

階層Bayesモデルを用いた個人の心肺フィットネスおよびエネルギー消費推定

Personalized cardiorespiratory fitness and energy expenditure estimation using hierarchical Bayesian models

著者 (5件)： ALTINI Marco (Eindhoven Univ. of Technol., Den Dolech 2, Eindhoven, NLD) ,  ALTINI Marco (Bloom Technologies, Agoralaan Building Abis 2.13, 3590 Diepenbeek, BEL) ,  CASALE Pierluigi (imec The Netherlands, High Tech Campus 31, Eindhoven, NLD) ,  PENDERS Julien (imec The Netherlands, High Tech Campus 31, Eindhoven, NLD) ,  AMFT Oliver (Univ. of Passau, DE, DEU)
資料名： Journal of Biomedical Informatics  (Journal of Biomedical Informatics)
巻： 56  ページ： 195-204  発行年： 2015年08月 
JST資料番号： B0827A  ISSN： 1532-0464  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： エネルギー消費(EE)および心肺フィットネス(CRF)の正確な推定は,身体活動および健康に関する人間行動の側面の間の因果関係の決定において重要である。本論文では,CRFを用い,実験室プロトコルおよび心拍データに依存する個人のエネルギー消費推定モデルへの要求無しにCRFを推定した。CRFは,心拍およびEEに影響を与えた。従って,心拍に基づくEE推定は,通常個別の較正を要求した。モデリング技術は,CRFおよびEE双方に対するBayesモデリングを用いた階層アプローチに基づいた。階層BayesモデルにCRFレベルを含めることにより,CRFが異なった個人における心拍とEEの間の異なった関係に対する主要因であるため個別較正あるいは明確な心拍正規化に対する必要性を除去した。本方法は,最初に日常活動の低強度活動の間心拍からCRFレベルを推定し,CRF特定のプロトコル無しにCRFを決定できることを示した。基準VO₂maxおよびEEを,種々のCRFレベルをもつ32人の参加者の試料において収集した。CRF推定誤差を他のモデルと比較して27.0%まで低減できた。第2に,EE推定に対する階層モデルにおけるグループレベル予測器としてCRFを含めることは,CRF,心拍およびEEの間の関係に対する主要因であった。従って,EE推定誤差を平均で18.2%低減した。得られた結果により,階層モデリングは,日常生活の活動からの一般CRF推定および個人のEE推定に対する有力な技術である証拠を提示した。Copyright 2015 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *モデル ,  能力 ,  *エネルギー消費 ,  プロトコル ,  心拍 ,  統計学 ,  キャリブレーション ,  日常生活動作 ,  ヒューマンパフォーマンス
準シソーラス用語： Bayesモデル ,  *階層Bayesモデル ,  *心肺フィットネス ,  身体活動

分類 (1件)： 生体計測・解析一般  (EL03010R)

タイトルに関連する用語 (5件)： 階層Bayesモデル ,  個人 ,  心肺フィットネス ,  エネルギー消費 ,  推定