文献

J-GLOBAL ID：201902221039567638   整理番号：19A2176712

消費者グレードの有効ブルセンサを用いた非信頼リハビリテーション転帰予測【JST・京大機械翻訳】

Utilizing Consumer-grade Wearable Sensors for Unobtrusive Rehabilitation Outcome Prediction

著者 (4件)： Conci Jason (Gonzaga University, Spokane, WA, USA) ,  Sprint Gina (Gonzaga University, Spokane, WA, USA) ,  Cook Diane (School of Electrical Engineering and Computer Science, Washington State University, Pullman, WA, USA) ,  Weeks Douglas (St. Luke’s Rehabilitation Institute, Spokane, WA, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： BHI  ページ： 1-4  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： リハビリテーション結果予測は,患者の医療リハビリテーションを受けている患者への治療サービスを提供する臨床医にとって有用である可能性がある。入院時に利用可能な医療記録情報で訓練された機械学習モデルは,リハビリテーション結果をかなり良く予測することができる。著者らの以前の研究では,治療課題中の患者の運動能力を客観的に定量化する,慣性センサに基づく特徴を含むことにより,リハビリテーション結果予測精度を改善できることを見出した。本論文では,安価で,消費者グレードの適合性トラッカー,特に心拍数を有するFitbit Chargeを用いて,患者のリハビリテーションの滞在期間を通して,15人の患者からの微小な運動データを確実かつ連続的に収集することにより,著者らの先行研究を拡張した。Fitbit時系列データから,身体活動,心拍数,睡眠の質に関連する特徴を抽出した。著者らは,これらの特徴を機械学習モデルへの入力として用いて,放電機能独立測定(FIM)リハビリテーション結果を予測した。また,予測精度を改善するために,患者類似性技術を利用した。結果は,消費者グレードセンサデータによる予測精度が,研究グレードの慣性センサデータを用いた以前の研究と同じ精度に近いことを示した。高度に正確なFIM予測を得るために消費者グレード適合性デバイスを用いることは,入院中の臨床医計画治療活動,ならびに適切な設定への退院を支援することを助けることができる。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 放電 ,  カルテ ,  *リハビリテーション ,  治療法 ,  *消費者 ,  *予測 ,  機械学習 ,  心拍 ,  適応性 ,  モデル
準シソーラス用語： 身体活動 ,  低価格 ,  予測精度 ,  慣性センサ ,  臨床医 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 消費者 ,  グレード ,  信頼 ,  リハビリテーション転帰 ,  予測