AD
新华社旧金山10月4日电加利福尼亚大学圣地亚哥分校的研究人员首次开发出一种使用可穿戴技术和机器学习来预测患者血压的算法。
该大学的科学家们开展了关于日常血压预测及其与可穿戴设备收集的健康行为数据的关系的研究。
Sujit Dey是该研究论文的合着者，也是加州大学圣地亚哥分校Jacobs工程学院无线通信中心主任，他与一个团队合作，使用FitBit在90多天内收集患者的睡眠，运动和血压数据。充电HR和欧姆龙Evolv无线血压计。
通过机器学习和可穿戴设备的数据，研究人员开发了一种算法来预测用户的血压，并显示哪些特定的健康行为对其影响最大。
他们记录了许多可能的因素和高血压患者的生活方式，包括他们的就寝时间及其对血压的影响。
Dey和他的团队发现，过去一周早上58分钟上床睡觉的患者收缩压平均下降3.6%，舒张压降低6.6%。
Dey说，如果他们能够确定最能影响个人血压的一种健康行为，他们可以帮助患者采取更有益的生活方式。
“使用无线可穿戴设备和其他设备收集和分析个人数据可以帮助患者从被动转移到持续护理，”Dey说。
该研究是加州大学圣地亚哥分校雅各布斯工程学院无线通信中心的互联健康计划的一部分。
