Hidden Markov models for monitoring circadian rhythmicity in telemetric activity data.
Hidden Markov models for monitoring circadian rhythmicity in telemetric activity data.
复制标题
DOI：
10.1098/rsif.2017.0885
复制
发表时间：
2018-03
期刊：
影响因子：
--
通讯作者：
Finkenstädt B
中科院分区：
文献类型：
--
作者：
Huang Q;Cohen D;Komarzynski S;Li XM;Innominato P;Lévi F;Finkenstädt B
可穿戴计算设备允许收集关于运动的密集采样的实时信息，使得研究人员和医学专家能够获得对象在真实的世界中的多天内的实际活动的客观且非侵扰性的记录。我们在这里的兴趣是出于使用的活动数据，用于评估和监测的昼夜节律的时间生物学和慢性医疗保健的研究对象。为了从这样的大量数据中转换信息，我们提出使用马尔可夫建模方法，该方法（i）自然地捕获在活动数据中观察到的显著的方波形式，该方波形式沿着人类活动的昼夜节律周期上的异质超昼夜变化，（ii）在尊重时间依赖性的同时以概率方式将活动阈值化到不同状态，以及（iii）基于休息和活动之间的转换的概率，产生昼夜节律参数估计，其是可解释的并且对昼夜节律研究感兴趣。
Wearable computing devices allow collection of densely sampled real-time information on movement enabling researchers and medical experts to obtain objective and non-obtrusive records of actual activity of a subject in the real world over many days. Our interest here is motivated by the use of activity data for evaluating and monitoring the circadian rhythmicity of subjects for research in chronobiology and chronotherapeutic healthcare. In order to translate the information from such high-volume data arising we propose the use of a Markov modelling approach which (i) naturally captures the notable square wave form observed in activity data along with heterogeneous ultradian variances over the circadian cycle of human activity, (ii) thresholds activity into different states in a probabilistic way while respecting time dependence and (iii) gives rise to circadian rhythm parameter estimates, based on probabilities of transitions between rest and activity, that are interpretable and of interest to circadian research.
登录
查看更多内容
DOI：
10.3390/s151229858
发表时间：
2015-12-11
期刊：
Sensors (Basel, Switzerland)
影响因子：
--
作者：
Attal F;Mohammed S;Dedabrishvili M;Chamroukhi F;Oukhellou L;Amirat Y
通讯作者：
Amirat Y
影响因子：
4.4
作者：
Innominato, Pasquale F.;Roche, Veronique P.;Levi, Francis A.
通讯作者：
Levi, Francis A.
影响因子：
10.6
作者：
Frank, E;Swartz, HA;Kupfer, DJ
通讯作者：
Kupfer, DJ
影响因子：
2.7
作者：
Foster, Russell G.;Kreitzman, Leon
通讯作者：
Kreitzman, Leon
影响因子：
2.8
作者：
Chang, Wen-Pei;Lin, Chia-Chin
通讯作者：
Lin, Chia-Chin