Mar, 2024

通过移动数字行为改变干预提高癌症患者幸福感的有效参与定义

PDF
TL;DR数字行为变化干预（DBCIs）在支持新的健康行为方面发挥作用。本研究旨在通过识别衡量参与度的度量标准、探索患者和临床医生对 DBCIs 的兴趣，并提出在此类情境中评估 DBCIs 影响的假设，为支持癌症患者提高生活质量定义有效的 DBCIs 参与方式。研究结果表明，临床医生的指示显著增加了与移动 DBCIs 的持续参与。此外，尽管每周一次的 DBCIs 参与足以维持幸福感，但从外部动机转变为内在动机可能需要更高水平的参与。
digital behavior change interventionsdbcisengagementcancer patientsquality of life
发现论文，激发创造
  • 移动健康应用中的用户参与度

    该研究提出了一个框架来研究健康工作者对移动健康的使用，重点关注数字医疗健康应用的行为日志，并提供了多种个性化的度量方法来检测有效参与度和检测完全失去参与的情况，最终为卫生工作者的能力提升、病患治疗和生命拯救做出贡献。

    Jun, 2022

  • 利用机器学习和领域知识个性化数字健康行为变革干预

    我们正在开发一种虚拟辅导系统，旨在帮助患者坚持行为改变干预。我们提出的系统可以预测患者是否会执行目标行为，并使用反事实案例来个性化指导行为改变干预。我们通过使用不同接受干预程度的模拟患者数据来评估我们的预测模型。

    Apr, 2023

  • MedNgage：了解患者 - 护士交流中的互动数据集

    本文提出了一个包含患者 - 护士之间有关癌症症状管理的对话的新数据集（MedNgage）及其注释框架。研究发现，患者的症状管理结果与其在对话中的参与度呈正相关，使用该数据集 fine-tuned 的预训练 transformer 模型可可靠地预测患者 - 护士对话的参与类别，并使用 LIME 分析了现有的 transformer 模型可能遇到的一些挑战。

    May, 2023

  • 预见性移动数字健康：走向个性化主动疗法和预防策略

    本文着重探讨移动计算设备与机器学习的结合，针对医疗领域持续监控和预测患者健康状况的现状，提出基于移动设备的个性化健康护理方案，旨在解决个性化医疗成本过高的问题。

    Aug, 2015

  • 将移动健康用户建模为强化学习智能体

    本文介绍了一个框架，通过提供不同类型的干预措施，帮助使用移动健康技术的患者在日常生活中采取或保持健康的行为，同时优化了马尔可夫决策过程的参数，以解决人类决策过程中可能出现的问题。

    Dec, 2022

  • 针对健康行为改变的自适应干预

    通过改进的 Thompson 采样算法实现对个性化目标的优化和个性化奖励函数的最优化，从而在移动健康应用中达到降低累积遗憾和提高个性化回报的效果。

    Nov, 2023

  • 个性化行为健康干预的政策优化

    本文提出了一种名为 DecompPI 的新算法，用于优化基于行为干预的个性化健康干预计划，以实现卓越的长期健康成果；我们发现，该算法不仅具有一定的理论保证，而且在现实应用中也能够显著地减少干预成本。

    Mar, 2023

  • 通过遥测穿戴设备和智能手机数据开发的数字生物标志物洞察疾病

    数字生物标志物和远程患者监测可以为传统医疗环境中的治疗提供有价值且及时的信息。我们构建了一个开源平台 RADAR-base，支持远程监测研究中的大规模数据收集，从而通过收集的长期纵向数据开发可靠的数字生物标志物，为不同疾病提供有用的洞察。

    Aug, 2023

  • 基于卡介苗的膀胱癌治疗的数学建模与社会人口统计

    通过综合机器学习组件调整模型参数，构建个性化机理模型，并使用真实临床数据，展示其相对于原始模型在预测结局时的优势，平均改善了 14.8%。

    Jul, 2023

  • 移动行为减重干预个性化金融激励自适应优化方法

    本篇研究论文考虑如何设计个性化的减肥干预措施，使用直接财务激励措施促进体重减轻但保持预算不超支，针对这一挑战，我们创建了一种机器学习方法，能够预测个体对不同激励计划的反应，并将该预测模型用于自适应框架中，以计算在干预期间向参与者提供哪些激励，并保持研究预算。

    Jul, 2023