An Activity Recognition System for Taking Medicine Using In-The-Wild Data to Promote Medication Adherence
An Activity Recognition System for Taking Medicine Using In-The-Wild Data to Promote Medication Adherence
复制标题
使用野外数据促进服药依从性的服药活动识别系统
DOI：
10.1145/3397481.3450673
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Hammond, Tracy
中科院分区：
文献类型：
--
作者：
Cherian, Josh;Ray, Samantha;Hammond, Tracy
近一半的人开药治疗慢性或短期疾病不服用他们的药物处方。这导致更差的治疗结果、更高的住院率、更高的医疗保健成本以及更高的发病率和死亡率。虽然药物不依从的一些情况是由医疗保健提供者引起的治疗计划或障碍的问题造成的，但许多情况是由患者相关因素引起的，例如遗忘，药物用完，以及不了解所需剂量。这提出了对以患者为中心的系统的明确需求，该系统可以可靠地增加药物依从性。为此，在这项工作中，我们描述了一个活动识别系统，能够识别当个人在一个不受约束的，现实世界的环境中服用药物。我们的方法使用Bagging集成方法的修改版本来适应不平衡的数据，并在Bagging分类器的预测概率上训练分类器，以确定个体在全天研究中何时服用药物。使用这种方法，我们能够识别出当个人服用药物时，F值为0.77。我们的系统是朝着开发能够提供个性化药物依从性干预的个人健康界面迈出的第一步。
Nearly half of people prescribed medication to treat chronic or short-term conditions do not take their medicine as prescribed. This leads to worse treatment outcomes, higher hospital admission rates, increased healthcare costs, and increased morbidity and mortality rates. While some instances of medication non-adherence are a result of problems with the treatment plan or barriers caused by the health care provider, many are instances caused by patient-related factors such as forgetting, running out of medication, and not understanding the required dosages. This presents a clear need for patient-centered systems that can reliably increase medication adherence. To that end, in this work we describe an activity recognition system capable of recognizing when individuals take medication in an unconstrained, real-world environment. Our methodology uses a modified version of the Bagging ensemble method to suit unbalanced data and a classifier trained on the prediction probabilities of the Bagging classifier to identify when individuals took medication during a full-day study. Using this methodology we are able to recognize when individuals took medication with an F-measure of 0.77. Our system is a first step towards developing personal health interfaces that are capable of providing personalized medication adherence interventions.
登录
查看更多内容
基于智能手表的药物依从性系统
DOI：
--
发表时间：
2015
期刊：
International Conference on Wearable and Implantable Body Sensor Networks
影响因子：
--
作者：
H. Kalantarian;N. Alshurafa;Ebrahim Nemati;Tuan Le;M. Sarrafzadeh
通讯作者：
M. Sarrafzadeh
移动应用程序提高了接受康复治疗的老年患者的治疗依从率
影响因子：
1.6
作者：
Alexander Mertens;Christopher Brandl;T. Miron;C. Schlick;T. Neumann;A. Kribben;S. Meister;C. Diamantidis;U. Albrecht;P. Horn;S. Becker
通讯作者：
S. Becker
影响因子：
8.6
作者：
Grosset, KA;Bone, I;Grosset, DG
通讯作者：
Grosset, DG
PatientSense：根据瓶内传感器数据区分患者
DOI：
--
发表时间：
2019
期刊：
International Conference on Mobile and Ubiquitous Systems: Networking and Services
影响因子：
--
作者：
Murtadha M. N. Aldeer;Jorge Ortiz;R. Howard;R. Martin
通讯作者：
R. Martin
具有多数投票的活动识别的一对一分类器集成
DOI：
--
发表时间：
2013
期刊：
The European Symposium on Artificial Neural Networks
影响因子：
--
作者：
Bernardino Romera;Min S. H. Aung;N. Bianchi
通讯作者：
N. Bianchi