HyperAIHyperAI

Command Palette

Search for a command to run...

تنبؤ جودة النوم لدى المُعالجين باستخدام الإشارات الفسيولوجية

Jennifer C. Hughes Reza Sadeghi Tanvi Banerjee Larry W. Lawhorne

الملخص

يعاني معظم مقدمي الرعاية للأشخاص المصابين بالخرف (CPWD) من مستوى عالٍ من التوتر ناتج عن متطلبات الرعاية، خاصة عند التعامل مع الأعراض السلوكية والنفسية غير المتوقعة المرتبطة بالخرف. تجعل هذه المسؤوليات الصعبة مقدمي الرعاية عرضة لجودة نوم ضعيفة، مما يؤدي إلى آثار ضارة على صحتهم العامة. ولهذا السبب، يُعد مراقبة جودة نوم مقدمي الرعاية أداة مهمة لتقييم التوتر الذي يعانيه هؤلاء الأشخاص. تعتمد معظم الدراسات الحالية حول النوم على التخطيط الكهربائي للدماغ (Polysomnography)، وهي تقنية مكلفة وقد تؤثر سلبًا على الروتين اليومي لرعاية المرضى. ولحل هذه المشكلات، نقترح نظام دعم اتخاذ القرار السريري لتوقع جودة النوم بناءً على أنماط الإشارات الفسيولوجية خلال مرحلة النوم العميق. يستخدم هذا النظام أربع إشارات فسيولوجية خام، باستخدام جهاز قابل للارتداء (ساعة E4): تغيرات معدل ضربات القلب، والنشاط الكهربائي للجلد، وحركة الجسم، ودرجة حرارة الجلد. ولتقييم أداء الطريقة المقترحة، أُجريت تحليلات على فترة أسبوعين من مراقبة النوم لثمانية من مقدمي الرعاية. وحققت أفضل أداء باستخدام تصنيف عشوائي (Random Forest) بدرجة دقة 75٪ في توقع جودة النوم، و73٪ في توقع الاسترخاء. ووجدنا أن الميزات الأكثر أهمية للكشف عن هذه المقاييس هي كفاءة النوم (النسبة بين مقدار الوقت الم passé في النوم إلى الوقت الكلي في السرير) ودرجة حرارة الجلد. تُظهر نتائج نظام تحليل النوم لدينا القدرة على استخدام أجهزة الاستشعار القابلة للارتداء لقياس جودة النوم والاسترخاء لدى مقدمي رعاية الأشخاص المصابين بالخرف.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
تنبؤ جودة النوم لدى المُعالجين باستخدام الإشارات الفسيولوجية | مستندات | HyperAI