
-
生物通官微
陪你抓住生命科技
跳动的脉搏
呼吸频率特征在心率特征之外对可穿戴运动模式识别的增量性贡献
《BMC Sports Science, Medicine and Rehabilitation》:Respiratory-rate features add modest modality-related information beyond heart-rate features in heterogeneous wearable sport recordings: a secondary analysis
【字体: 大 中 小 】 时间:2026年10月10日 来源:BMC Sports Science, Medicine and Rehabilitation 2.1
编辑推荐:
摘要目标检验在已考虑心率(HR)特征的前提下,从呼吸频率(RR)派生的主动运动特征是否能为异质性可穿戴运动记录提供增量性模式相关信息。设计对公开可穿戴运动数据集进行观察性二次分析。方法在126条源记录中,来自10种运动模式下79个具有模式资格的参与者标识符的124条记录满足基
检验在已考虑心率(HR)特征的前提下,从呼吸频率(RR)派生的主动运动特征是否能为异质性可穿戴运动记录提供增量性模式相关信息。
对公开可穿戴运动数据集进行观察性二次分析。
在126条源记录中,来自10种运动模式下79个具有模式资格的参与者标识符的124条记录满足基于规则的信号与标注标准。主要特征集包括在对齐的主动运动片段上计算的四个心率描述符和四个呼吸频率描述符。运动模式用作分析上下文标签,而非具有临床实用价值的分类终点。所有主要模型均包含基线协变量块B(年龄、性别、体重指数及主动运动持续时间)。使用50次重复的模式分层、标识符分组二折划分评估固定L2惩罚多项逻辑回归。主要推断采用配对模型差异、模式分层的标识符级别留出折预测自举法,以及标识符级别的配对置换检验。
跨重复分组划分的平均标识符级别宏F1得分:B加心率为0.379,B加呼吸频率为0.400,B加两种信号为0.475。在心率特征中加入呼吸频率特征使宏F1增加0.096(95%自举百分位区间+0.061至+0.136;配对置换p=0.0045),而在呼吸频率特征中加入心率特征使宏F1增加0.075(95%自举百分位区间+0.031至+0.124)。将HR参考从四个描述符扩展至八个后,岭回归中RR增量保持在+0.108(Holm校正后p=0.0040);跨模型证据仍然有限。随机森林估计值为正值(+0.050),但其95%自举百分位区间(+0.020至+0.085)及配对置换检验(p=0.093)提供了不一致的不确定性证据。
在该数据集的主要岭回归框架中,呼吸频率特征在匹配的心率特征之外贡献了适度的模式相关信息。这些发现描述了上下文敏感的可穿戴信号变异,但未建立重测信度、测量效度、训练负荷效度、外部可推广性或临床实用性。
检验在已考虑心率(HR)特征的前提下,从呼吸频率(RR)派生的主动运动特征是否能为异质性可穿戴运动记录提供增量性模式相关信息。
对公开可穿戴运动数据集进行观察性二次分析。
在126条源记录中,来自10种运动模式下79个具有模式资格的参与者标识符的124条记录满足基于规则的信号与标注标准。主要特征集包括在对齐的主动运动片段上计算的四个心率描述符和四个呼吸频率描述符。运动模式用作分析上下文标签,而非具有临床实用价值的分类终点。所有主要模型均包含基线协变量块B(年龄、性别、体重指数及主动运动持续时间)。使用50次重复的模式分层、标识符分组二折划分评估固定L2惩罚多项逻辑回归。主要推断采用配对模型差异、模式分层的标识符级别留出折预测自举法,以及标识符级别的配对置换检验。
跨重复分组划分的平均标识符级别宏F1得分:B加心率为0.379,B加呼吸频率为0.400,B加两种信号为0.475。在心率特征中加入呼吸频率特征使宏F1增加0.096(95%自举百分位区间+0.061至+0.136;配对置换p=0.0045),而在呼吸频率特征中加入心率特征使宏F1增加0.075(95%自举百分位区间+0.031至+0.124)。将HR参考从四个描述符扩展至八个后,岭回归中RR增量保持在+0.108(Holm校正后p=0.0040);跨模型证据仍然有限。随机森林估计值为正值(+0.050),但其95%自举百分位区间(+0.020至+0.085)及配对置换检验(p=0.093)提供了不一致的不确定性证据。
在该数据集的主要岭回归框架中,呼吸频率特征在匹配的心率特征之外贡献了适度的模式相关信息。这些发现描述了上下文敏感的可穿戴信号变异,但未建立重测信度、测量效度、训练负荷效度、外部可推广性或临床实用性。