TY -的盟Naseri Jahfari,阿曼盟——税收、大卫•AU - Reinders Marcel AU -范德印度,Ivo PY - 2022 DA - 2022/1/19 TI -机器学习心血管结果的可穿戴的数据:系统回顾从trl看来乔-地中海JMIR通知SP - e29434六世- 10 - 1 KW - mHealth KW -可穿戴KW -机器学习KW -心血管疾病KW -数字医疗KW -审查KW -手机AB -背景:可穿戴技术有潜力通过使用机器学习来改善心血管健康监测。这种技术能够进行远程健康监测，并能够诊断和预防心血管疾病。除了检测心血管疾病外，它还可以排除有症状患者的这种诊断，从而防止不必要的医院就诊。此外，早期预警系统可以帮助心脏病专家及时治疗和预防。目的:本研究旨在系统评估关于通过使用机器学习和可穿戴设备获得的数据来检测和预测心血管疾病患者预后的文献，以深入了解该技术的当前状态、挑战和局限性。方法:我们在2020年9月26日搜索PubMed、Scopus和IEEE Xplore，不限制发表日期，并使用“可穿戴设备”、“机器学习”和“心血管疾病”等关键词。根据基于机器学习的技术准备水平(TRLs)对方法进行分类和分析，TRLs对其在操作环境中部署的潜力进行了打分，从1到9(最准备)。结果:剔除重复、应用排除标准、全文筛选后，55篇符合条件的研究纳入分析，涵盖多种心血管疾病。我们评估了纳入研究的质量，发现没有一项研究被纳入医疗保健系统(TRL<6)，缺乏前瞻性的2期和3期试验(TRL<7和8)，并且很少使用组间交叉验证。 These issues limited these studies’ ability to demonstrate the effectiveness of their methodologies. Furthermore, there seemed to be no agreement on the sample size needed to train these studies’ models, the size of the observation window used to make predictions, how long participants should be observed, and the type of machine learning model that is suitable for predicting cardiovascular outcomes. Conclusions: Although current studies show the potential of wearables to monitor cardiovascular events, their deployment as a diagnostic or prognostic cardiovascular clinical tool is hampered by the lack of a realistic data set and proper systematic and prospective evaluation. SN - 2291-9694 UR - https://medinform.www.mybigtv.com/2022/1/e29434 UR - https://doi.org/10.2196/29434 UR - http://www.ncbi.nlm.nih.gov/pubmed/35044316 DO - 10.2196/29434 ID - info:doi/10.2196/29434 ER -