卡塔尔世界杯8强波胆分析

摘要

背景:

在过去的几十年里，消费市场上可穿戴睡眠跟踪设备和移动睡眠跟踪应用程序的数量迅速增加。消费者睡眠跟踪技术允许用户在自然环境中跟踪他们的睡眠质量。除了跟踪睡眠本身，一些睡眠跟踪技术还支持用户收集关于他们的日常习惯和睡眠环境的信息，并反思这些因素是如何影响睡眠质量的。然而，睡眠和环境因素之间的关系可能过于复杂，无法通过视觉检查和反射发现。在快速增长的个人睡眠跟踪数据中，需要先进的分析方法来发现新的知识和见解。

摘要目的:

本综述旨在总结和分析现有的文献，应用形式化分析方法发现个人知识和见解在个人信息学的背景下。在计算机科学文献综述的问题约束系统(PCS)框架的指导下，我们提出了四个主要问题，包括一般研究趋势、睡眠质量指标、考虑的上下文因素、知识发现方法、重要发现、挑战和感兴趣主题的机会。

方法:

检索Web of Science、Scopus、ACM数字图书馆、IEEE Xplore、ScienceDirect、施普林格、Fitbit Research Library和Fitabase，以确定满足纳入标准的出版物。经全文筛选后，14份出版物列入最终分析。

结果:

关于睡眠追踪中知识发现的研究很少。超过一半(n=8, 57%)的研究在美国进行，其次是日本(n=3, 21%)。只有少数(n=5, 36%)是期刊文章，其余是会议论文。使用最多的睡眠指标是主观睡眠质量(n=4, 29%)、睡眠效率(n=4, 29%)、睡眠起始潜伏期(n=4, 29%)和关灯时间(n=3, 21%)。深度睡眠比和快速眼动睡眠比等比例参数未在任何回顾研究中使用。大多数研究采用简单相关分析(n= 3,21%)、回归分析(n= 3,21%)和统计检验或推理(n= 3,21%)来发现睡眠与生活其他方面之间的联系。只有少数研究使用机器学习和数据挖掘进行睡眠质量预测(n= 1,7%)或异常检测(n= 2,14%)。运动、使用电子设备、咖啡因、酒精、睡前去的地方和睡眠环境是与睡眠质量各维度显著相关的重要情境因素。

结论:

这一范围审查表明，知识发现方法在从大量的自我跟踪数据中提取隐藏的见解方面具有巨大的潜力，并且被认为比简单的视觉检查更有效。未来的研究应该解决与收集高质量数据相关的挑战，从数据中提取隐藏的知识，同时适应个体内部和个体之间的变化，并将发现的知识转化为可操作的见解。