Feb, 2024

基于社交网络的电子健康干预在改善儿童健康习惯方面的可行性

PDF
TL;DR这项研究展示了利用 eHealth 解决方案来解决青少年的饮食习惯和体育活动的可行性。在两所学校的 139 名干预组学生和 91 名对照组学生中进行了为期 14 周的干预。结果显示，eHealth 干预对体质指数百分位、体育活动评估得分和饮食质量评估得分产生了显著影响。然而，需要进行更多研究来检查这些新习惯是否能够被坚持。
ehealthadolescent populationinterventionnutritionphysical activity
发现论文，激发创造
  • 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

  • 面向处于无家可归状态的青年的 AI 增强型 HIV 预防干预临床试验

    通过艾滋病毒预防，社交网络和人工智能方法，优化社区健康计划以防止青年无家可归者感染艾滋病毒。

    Sep, 2020

  • 青少年关系行为与肥胖大流行：一项运用社交网络分析与机器学习技术的描述性研究

    青少年在教室内形成了亚群，亚群凝聚力由影响肥胖的方面的相似性和与食物质量和性别相关的属性共享所定义。SNA 相关的同质性概念及 Girvan-Newman 算法的应用结合了人工智能技术，为亚群间的相似性和凝聚力提供了鲁棒性。

    Feb, 2024

  • 应用于移动健康的长期平均结果的离策略估计

    本文探讨了移动健康干预技术 (mHealth) 中的即时自适应干预政策，包括专家提供的政策以及基于历史数据的干预政策效果估计，并提供了一个估计器和置信区间，以评估这类政策在长期内是否能提高健康结果。

    Dec, 2019

  • 社交媒体和智能设备是否能够评估心理健康？解决方法和评价中的偏见问题

    本文探讨了近期关于使用智能手机数据和社交媒体数据预测精神健康问题，有很多研究报告表明其非常具有潜力，但是在实际环境中，并没有表现出较好的通用性。研究发现，在考虑真实世界环境并使用不同的特征源和多重模拟等多种方法进行比较后，目前最先进的方法仅能超过最基础的基线，无法持续改善数据和效果质量。

    Jul, 2018

  • 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

  • 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

  • 面向个性化移动健康干预的群体驱动强化学习

    本文提出了一种基于群组驱动的强化学习方法，在移动健康技术中实现将相似用户信息进行整合，以共享信息和更好的转化有限用户信息来学习更好的强化学习策略，实验结果表明该方法优于现有 mHealth 强化学习方法。

    Aug, 2017

  • 一个基于网络的工具，用于自动进行复杂医疗调查研究的数据收集、整理和可视化，包括社交网络分析

    通过分析年轻人的社交环境、使用一系列问卷调查，如 AUDIT、FAS、KIDSCREEN 等，了解个体的饮酒行为，本研究设计并构建了一个基于网络的平台，通过集成不同阶段、直观的图形用户界面来简化问卷的创建、数据收集、整理和表达，以及后续的数据分析和可视化，从而避免了手动处理数据的繁琐步骤。与之前耗时且容易出错的数据操作相比，该方法具有一定的优势。

    Feb, 2024

  • 从电子病历中学习治疗方案

    本研究提出了一种基于电子病历利用混合多变量限制玻尔兹曼机和医疗领域知识提取分组治疗方案的数据驱动框架，并以冠状动脉疾病为实际案例进行实验。结果表明，该框架有助于协助医生进行临床决策。

    Jun, 2018