ウェアラブル

Apr 28, 2023

Scientific Reports volume 13、記事番号: 9326 (2023) この記事を引用

1 オルトメトリック

メトリクスの詳細

概日リズムの繰り返しの乱れは、健康への影響や長寿と関連しています。継続的に収集されたデータを通じて概日リズムを定量化し、長寿との関係を解明するためのウェアラブルデバイスの利用は、ほとんど研究されていないままです。この研究では、2011 ～ 2014 年の国民健康栄養調査から得られた米国成人 7,297 人の長寿の新しいデジタルバイオマーカーとして、ウェアラブルからの 24 時間の加速度計活動プロファイルのデータ駆動型セグメンテーションを調査します。階層的クラスタリングを使用して、5 つのクラスターを特定し、次のように説明しました:「高活動」、「低活動」、「軽度の概日リズム (CR) の乱れ」、「重度の CR の乱れ」、および「非常に低い活動」。極度の CR 障害を持つ若年成人は、併存疾患がほとんどなく一見健康であるように見えますが、実際には白血球、好中球、リンパ球数の増加（0.05 ～ 0.07 log 単位、すべて p < 0.05）と生物学的老化の促進（1.42 歳、 p < 0.001)。 CR 障害のある高齢者は、全身性炎症指数の増加（0.09 ～ 0.12 log 単位、すべて p < 0.05）、生物学的老化の進行（1.28 年、p = 0.021）、および全死因死亡リスク（HR = 1.58、 p = 0.042)。私たちの調査結果は、あらゆる年齢層にわたる長寿における概日調整の重要性を強調しており、ウェアラブル加速度計からのデータがリスクのある集団を特定し、より健康的に老化するための治療法を個別化するのに役立つ可能性があることを示唆しています。

スマートフォンやウェアラブルなどのパーソナルデジタルデバイスの普及により、人間の健康や病気の状態を評価するためのデータ収集に前例のない可能性がもたらされています。内蔵デバイスセンサーを受動的かつ継続的に測定することで、さまざまな必須の健康機能 (例: 皮膚温度、睡眠-覚醒サイクル、心拍数)1、周囲環境の要因 (例: 光曝露)2 およびライフスタイルを捕捉できるようになります。 (身体活動や食事など)1,3 は、現実世界の状況において長期間にわたって行われます。これらのデジタル的に取得された生理学的および行動的測定は、デジタルバイオマーカーとしても知られ、健康関連の結果を説明し、影響を与え、または予測します4。デジタルバイオマーカーは、人の日常生活や行動パターンをより正確かつ客観的に反映できるため、日常的な臨床評価や自己評価を代替または補完する可能性があります5。

最近の研究では、長寿のデジタルバイオマーカーを使用して、加齢に関連した病気のリスクが高い個人を特定し、健康的な老化を促進することを目的とした介入の有効性を監視できる可能性があると提案しています6,7。これは、医療制度や社会に対する加齢に伴う疾患の負担が増大していることを考えると、特に重要です8。現在、健康と長寿の尺度は、炎症9、生物学的年齢10、死亡率11などの要因に基づいています。これらの予測因子は、実年齢よりも個人の平均余命をより良く理解することができますが、デジタル化の可能性については十分に研究されていません 12,13。長寿のデジタルバイオマーカーは、寿命のデジタル測定を提供するだけでなく、栄養学的介入や薬理学的介入など、健康的な老化のための個別化された介入も可能にします。これは、画一的なアプローチよりも予測、予防、個別化、参加を重視する精密医療の概念と一致しています14。

脳の視交叉上核のマスタークロックによって調節される内因性の 24 時間周期である概日リズムも、最適な健康状態と健康寿命を維持するための重要な要素として認識されています 15。概日リズムは、睡眠と覚醒のサイクル、ホルモン生成、代謝、免疫機能など、体内のさまざまな生理学的、生物学的、行動的プロセスを調節します16。「ツァイトゲーバー」（24 時間の明暗サイクル）などの外部時間の手がかりが概日リズムに影響を与える可能性がありますが、概日リズムは主に個人の遺伝子構造に深く根ざした内因性要因によって制御されます。新たな証拠は、概日リズムの乱れや不整合が、代謝やホルモン調節の乱れ、メタボリックシンドローム、糖尿病、心血管疾患、がんなどのさまざまな慢性疾患のリスク増加など、健康への影響に重大な影響を及ぼすことを強く示唆しています17。さらに、免疫不全、慢性炎症、肥満、疲労、睡眠障害を経験する可能性の高さとの関連性も指摘されています18、19、20、21。その結果、健康的な概日リズムを維持することは、全体的な健康と幸福にとって極めて重要であり、健康への悪影響のリスクを軽減し、生活の質を向上させます22,23。概日リズムとその寿命への影響との関連性、および最近の技術進歩の広範な採用を考慮すると、スマートウォッチは長寿のためのデジタルバイオマーカーを活用する有望な機会を提供すると主張します24。スマートウォッチは、加速度計データ 25 と心拍数データ 26 を継続的に監視する実用的な手段を提供し、概日リズムに関する貴重な洞察を提供します。

ただし、データ収集と潜在的なデジタルバイオマーカーの分析における消費者向けスマートウォッチの利用は、独自のアルゴリズム、限られたデータ所有権、短い寿命、変動する装着時間などの多くの要因によって制限されます。したがって、研究目的で設計された ActiGraph デバイスを使用すると、開発されたアルゴリズムを使用して、これらのデジタルデバイスに実装できる将来のアプリケーションの可能性を十分に調査できます。

さらに、ウェアラブルから継続的に収集されたデータに機械学習 (ML) を適用すると、隠れたパターンがデジタル表現型として解明され、部分集団の識別が容易になります 27。従来の専門家主導による疾患またはリスクのある集団の分類は、対象集団内の自然クラスターの数を知り、セグメント化の基礎となる変数を決定するための合意された方法が不足しているため、制限されています 28,29。代わりに、総合的でデータ駆動型のクラスタリングアプローチの使用が代替案として認識されています29。つまり、各個人は複数のクラスの健康レベル内に存在し、デジタル的に測定された生理学的および行動データのさまざまなモダリティを提供し、それらは健康状態の複数のクラスターに対応します。ゲノミクス分野で開拓された方法と同様に、この方法は、病気の病因の複雑で多数の要素についての理解の進歩をもたらす可能性があります。要約すると、デジタルバイオマーカーとデータ駆動型クラスタリングアプローチにより、精密医療の使用が可能になります。これらの方法は、集団を独自の特性や健康上のリスクを持つグループに分類し、介入を通じて個人が「不健康またはリスクのある」クラスから「健康な」クラスに移行するのを支援します。

現在までのところ、ウェアラブルから継続的に収集されたデータを使用して寿命を説明できる可能性は、ほとんど研究されていないままです。この研究では、長寿と個別の治療のための新しいデジタルバイオマーカーとして、加速度計データなどの 24 時間の活動プロファイルの使用を調査することを目指しています。私たちのアプローチは、全国を代表するサンプルにおける 24 時間の加速度計データと寿命測定値との関連性を評価するデータ駆動型アプローチを適用するという点で、これまでの研究とは異なります。これにより、既存の研究と比較して 3 つの明確な利点がもたらされます。まず、ウェアラブルベースのアクティビティの集団セグメンテーションを国民健康栄養調査（NHANES）コホートの米国一般成人集団に適用し、以前に特定の集団（慢性不眠症障害など）を調査した場合と比較して、結果の一般化可能性を高めます。中年女性31)。第 2 に、当社の ML ベースのクラスタリングアプローチには、24 時間の活動プロファイルの詳細な解像度を示す機能が含まれています。これは、毎日の活動と、睡眠/睡眠などの体内時計の生理学的症状 (例: 「概日リズム」) の両方の包括的な捕捉を表します。ウェイクサイクル32。さらに、24 時間の活動プロファイルは、タイミングや強度など、個人の 1 日の活動期間に関する詳細な情報を提供するため、健康状態を監視するためのより豊富な情報源になります。最後に、データに基づくセグメンテーションと、参加者の現在（つまり炎症と死亡率）および予測（つまり生物学的年齢）の健康状態のさまざまな側面を表すさまざまな寿命結果との関係を調べます10,33。

表 1 は、7,297 人の研究参加者のベースラインの人口統計学的および社会経済的特徴、病歴、および血清炎症性バイオマーカーを示しています。簡単に言うと、年齢中央値（四分位範囲）は 51 歳（36 ～ 65 歳）で、46.8% が男性、67.6% が非ヒスパニック系白人でした。一般的な病歴には、高血圧 (49.0%)、関節炎 (27.7%)、喘息 (15.5%)、および癌 (11.6%) が含まれます。

ウェアラブルから派生した時間ごとの平均活動データに階層的クラスタリングを適用すると、クラスター 1 の参加者 22% (n = 1,628)、クラスター 2 の参加者 37% (n = 2,670)、クラスター 3、8 の参加者 17% (n = 1,256) が特定されました。クラスター 4 では % (n = 558)、クラスター 5 では 16% (n = 1,185) でした。クラスターごとに異なる 24 時間活動属性が観察されました (図 1 を参照)。参加者の休息/睡眠時間は、23:00 から 07:00 までの時間帯に基づいて定義されました。これは、概日リズムと睡眠、およびさまざまな健康結果との関連性に関する以前の研究と一致しています 34。具体的には、クラスター 1 は、11:00 から 22:00 までの間、集団平均よりも大幅に高い活動レベルを示しました (Z スコア: 0.75 ～ 0.98)。休息/睡眠期間 (つまり、23:00 ～ 07:00) の間、活動強度は劇的に減少し、04:00 に最低値に達します。クラスター 2 の参加者は、05:00 から 10:00 までの早朝に平均を上回る活動性を示し (Z スコア: 0.25 ～ 0.41)、その後、日中は集団平均に近い活動レベルを示しました。また、18:00 から加速度計の活動が比較的早い段階で低下することも観察されました。クラスター 3 は、07:00 ～ 21:00 の活動時間帯 (Z スコア: − 0.54 − (− 0.06)) には低い活動性を示し、深夜から早朝の間 (つまり、23:00 ～ 04 時) には集団平均を上回る活動性の増加を示します。 :00、Z スコア: 0.05 ～ 0.43)。サイズが最小のクラスターであるクラスター 4 は、14:00 から活動の上昇が始まり、休息/睡眠期間を通じて高レベルの活動が続き、01:00 にピークに達するという特徴があります (Z スコア: 2.44)。その後、クラスター 4 の参加者は、06:00 から 14:00 の間に活動が大幅に減少し、活動が弱まり、08:00 に最下点に達しました (Z スコア: - 0.67)。最後に、クラスター 5 のアクティビティは、負の Z スコアで示されているように、常に非常に低くなります。特に、このクラスターでは、母集団平均と比較して、12:00 から 21:00 までの日中の活動が大幅に減少しています (Z スコア < - 1.0)。

ウェアラブルベースの加速度計活動データの集団セグメント化に従ったクラスター分類。 (a) 24 時間にわたる 7,297 人の研究参加者のウェアラブル由来のアクティビティを示すヒートマップ。 (b) クラスターごとの 1 時間あたりの平均加速度センサー活動レベルのグラフ表示。値は正規化された Z スコアです。正のスコアは、母集団平均を上回る活動レベルを示します。

連続変数にはスチューデントの t 検定を、カテゴリ変数にはカイ二乗検定を使用して、人口統計学的および社会経済的特性、BMI グループ、運動行動、睡眠の質、病歴の統計的有意性をクラスターごとに評価しました。データ駆動型クラスターでは、喘息を除くすべての変数が統計的に有意でした (表 2 を参照)。クラスター 1 と 4 は平均的な若年成人 (年齢中央値 41 歳と 36 歳) でした。クラスター 2 と 3 には中年成人 (年齢中央値 53 歳と 51 歳) が含まれていました。クラスター 5 は、60 歳から 80 歳までの高齢者で構成されていました。 2 つの中年クラスターを比較すると、クラスター 3 では、NH ブラックの割合 (18% 対 8%) と肥満 (44% 対 36%) が大幅に高く、失業率が高く (52% 対 33%)、働いている参加者が少なかった。 40 時間/週以上 (32% 対 47%)、クラスター 2 より世帯収入が低い。さらに、クラスター 3 の参加者は、座りっぱなしの行動に多くの時間を費やし、中程度または激しい強度の活動に費やす時間が少ないと報告した。推奨される中強度および高強度の身体活動 (MVPA) ガイドラインを満たす割合 (55%) とは対照的に、クラスター 2 はガイドラインを満たす割合 (65%) が高かった。クラスター 3 では、睡眠障害や臨床的に診断された睡眠障害を報告する参加者の割合が高く、心血管疾患、がん、脳卒中、糖尿病、高血圧、関節炎の有病率も高かった。 2 つの若年成人クラスターを比較すると、クラスター 4 は男性の割合が高く (55% 対 36%)、非ヒスパニック系黒人 (20% 対 11%) で未婚 (55% 対 36%) でした。肥満（40% vs. 31%）は、クラスター 1 よりも収入レベルと世帯収入の貧困比が低い。中年クラスターとは異なり、週 40 時間以上働く人の分布に有意な差は観察されなかった（〜 40%）。これら 2 つのグループの間では、週 40 時間未満の労働者 (約 20%)、および失業者 (約 30%) が含まれます。さらに、病状の有病率にも大きな差はありませんでした。運動行動の比較では、クラスター 4 の参加者は、クラスター 1 の参加者と比較して、座りっぱなしと中程度および激しい強度の活動の持続時間が長いという二峰性の関係を示しました。さらに、私たちの分析により、クラスター 4 の 5 つの際立った特徴が明らかになりました。これには、NH ブラックと喫煙者の割合が最も高く、貧困に対する世帯収入の比率が最も低く、睡眠時間が最も短く、MVPA 持続時間が最も長いことが含まれます。最後に、最も高齢の集団であるクラスター 5 は、病状の数が最も多く、睡眠時間と座位時間が最も長いと報告されました。

私たちは、データに基づいたクラスターと白血球ベースの炎症性バイオマーカーレベル（図 2 を参照）、クレメラ・ドゥーバル（KDM）生物学的年齢（図 3 を参照）、および全死因死亡率（図 4 を参照）との関連性を評価しました。）。健康関連の結果全体で、クラスター 1 のパフォーマンスが最も良く、クラスター 5 のパフォーマンスが最も悪いことが観察されました。これらの関連性は、共変量を調整した後でも維持されます。

クラスターと白血球ベースの炎症マーカーとの関連。 (a) WBC 数、好中球数、リンパ球数、NLR、SII、および AISI それぞれに関するクラスターの比較 (平均 ± SE)。統計的有意性は、p < 0.05 (*)、< 0.01 (**)、< 0.001 (***)、および p > 0.05 = 有意でない (NS) に設定されます。サーベイ加重一般化線形モデルが使用されました。 (b) ベータ係数と 95% 信頼区間 (CI) のフォレストプロット。クラスター 1 は参照です。モデルは、年齢、性別、人種/民族、雇用形態に合わせて調整されています。統計的有意性は p < 0.05 (*) に設定されます。すべての p 値は、結果の対数変換値を使用して計算されました。 WBC 白血球、NLR 好中球 - リンパ球比、SII 全身性免疫炎症指数、AISI 全身性炎症の総合指数。 SEの標準誤差。

クラスターと KDM の生物学的年齢との関連。 (a) 暦年齢 (CA) とクレメラ・ドゥーバル法 (KDM) の生物学的年齢に関するクラスターの比較 (平均 ± SE)。 (b) ベータ係数と 95% 信頼区間 (CI) のフォレストプロット。クラスター 1 は参照です。モデルは、年齢、性別、人種/民族、雇用形態に合わせて調整されています。統計的有意性は p < 0.05 (*) に設定されます。すべての p 値は、結果の対数変換値を使用して計算されました。 SEの標準誤差。

クラスターと全死因死亡との関連性。 (a) クラスターごとの全死因死亡までの時間の加重カプラン・マイヤー曲線。 (b) 全死因死亡率のハザード比と 95% 信頼区間 (CI) のフォレストプロット。クラスター 1 は参照です。年齢、性別、人種/民族、雇用形態を調整した調査加重コックス比例ハザードモデルを使用しました。統計的有意性は p < 0.05 (*) に設定されます。

具体的には、クラスター 3、4、および 5 では、クラスター 1 と比較して、白血球数が 0.05 ～ 0.10 ログユニット高く、好中球数が 0.08 ～ 0.15 ログユニット高かった (図 2 を参照)。さらに、クラスター 4 では、リンパ球数が 0.05 log 単位高かった（95% CI: 0.010 ～ 0.085）。クラスター 3 および 5 は、SII および AISI で表される全身性炎症の NLR および血液凝集指数の 0.06 ～ 0.12 および 0.09 ～ 0.14 対数単位の増加と関連していました (すべて p < 0.05)。

KDM の生物学的年齢については、クラスター 3、4、5 で生物学的老化プロセスが加速的に進行していることがわかりました (図 3 を参照)。具体的には、クラスター 3 の参加者は、クラスター 1 の参加者よりも生物学的年齢の上昇が 0.25 対数年 (1.28 年に相当、95% CI: 0.043 ～ 0.467) 大きかった。クラスター 4 および 5 の参加者は、生物学的年齢の上昇速度がさらに速かった。年齢進行はそれぞれ0.35対数年（1.42年に相当、95％CI：0.175～0.522）と0.53対数年（1.70年に相当、95％CI：0.298～0.760）であった。

最後に、クラスターに関連する全死因死亡リスクを分析しました (図 4 を参照)。クラスター 3 はクラスター 1 に比べて 1.58 (95% CI: 1.02 ～ 2.45) 倍高い全死因死亡リスクと関連し、クラスター 5 は 1.97 (95% CI: 1.26 ～ 3.09) 倍高い全死因死亡リスクと関連していました。また、クラスター 4 でも同様の死亡リスク増加傾向が見られました (HR 1.61、95% CI: 0.85 ～ 3.05)。

米国成人のウェアラブルデバイスを使用して収集された 24 時間の加速度計活動データに基づいて、データ駆動型クラスタリングアプローチを適用して人口セグメントを特定しました。 24 時間の活動プロファイルに基づいて、次のように説明する 5 つの異なるクラスターが見つかりました。クラスター 1 は、1 日を通して高いレベルの活動を維持する「高活動」グループを表します。クラスター 2 は「低活動」グループを表し、クラスター 1 と同様の日周パターンを示しますが、1 日を通して全体的な活動レベルが低く、夕方から急速に低下します。クラスター 3 とクラスター 4 は、それぞれ「軽度の概日リズム (CR) 乱れ」グループと「重度の CR 乱れ」グループを表します。クラスター 3 の参加者は、日中の活動は低いままですが、23:00 から 04:00 の間に夜間活動の増加を示します。クラスター 4 は、朝から午後早くまで活動が非常に低く、夕方に徐々に上昇し、休息/睡眠時間中に特に活動が高く、朝に急激に低下するという特徴があります。これらの活動パターンは、通常の明暗スケジュールとうまく一致していないため、概日リズムの乱れやリズムの乱れを示しています。したがって、我々はこれらのクラスターを概日リズムの乱れがあるものとして分類しました。最後に、クラスター 5 は「活動性が非常に低い」グループを表します。

我々は、クラスターが t 検定およびカイ 2 乗検定によって決定されるベースライン特性と有意に関連していることを実証しました。特定されたクラスターは、人口統計学的要因、社会経済的要因、移動行動、病状によって明確に区別されます。さらに、我々の一般化線形モデルとコックス比例ハザードモデルは、クラスターメンバーシップと3つの長寿結果、すなわち炎症性バイオマーカーレベル、生物学的年齢、および全死因死亡率との間に有意な関連性および勾配効果を明らかにした。すべての健康関連のアウトカムにおいて、「高活動」グループ (クラスター 1) は、炎症レベル、生物学的年齢の進行、および死亡率の値が最も低く、最高のパフォーマンスを示す傾向があります。これに、「低活性」(クラスター 2)、「軽度の CR 中断」(クラスター 3)、「重度の CR 中断」(クラスター 4) が続きました。「活動性が非常に低い」グループ (クラスター 5) のパフォーマンスは最悪で、炎症レベル、死亡リスク、生物学的年齢が最も高かった (図 5 を参照)。

加速度計の活動レベルと健康関連の結果に関連する 5 つのクラスター。 CR概日リズム。

ただし、いくつかの例外もありました。 30〜40歳の若年成人で構成される「重度のCR障害」は、炎症性バイオマーカーの増加および生物学的年齢の加速と有意に関連していたが、全死因死亡率や病歴とは関連していなかった。この発見は、概日リズムがずれている若者は、病状の明らかな兆候がなく、高い活動レベルを示しているため、表面上は健康に見えるかもしれないが、実際には健康状態の悪化と不健康な老化を経験していることを示唆しています。中年成人では、ある程度の概日周期の乱れと低活動レベル（「軽度のCR障害」）があると、低活動のみの場合と比べて、炎症性バイオマーカーレベル、死亡リスク、生物学的年齢が大幅に高くなる。これは、高齢者が健康長寿を達成するために、概日リズムを整えることの重要性が高まっていることを浮き彫りにしています。

身体活動や栄養とは異なり、健康上の利点を得るために生物学的タイミングを利用または修正する方法については、まだ理解が不足しています。現在の公衆衛生介入は主に身体活動レベルの向上や健康的な食事に焦点を当てており、概日時計の目標にはあまり注目していません。概日リズムの乱れが、パフォーマンス、幸福、身体的および精神的健康、寿命などのさまざまな健康結果に重大な影響を与えることを示す証拠が増えています 24,35。そのため、スマートウォッチとウェアラブルは、概日リズムを監視および評価するための、タイムリーで遮るもののない便利な方法を提供します。デジタル機器の普及が進むにつれ、概日時計に基づいた治療法は、個人および集団レベルで健康上の利益を最大化し、健康的な老化を促進する大きな可能性を秘めています36、37、38、39。機械学習アルゴリズムと組み合わせることで、このような受動的行動データのデジタル化は、長寿や個人化された介入の進歩、健康事象の自動予測、集団レベルの予防のための新しいデジタルバイオマーカーとして認識されていない可能性を秘めています。この研究の示唆として、ウェアラブルデータをデジタルバイオマーカーとして利用し、デジタルデバイスを介してパーソナライズされた介入を提供して、日周サイクルとの同期をうまく促進することができます。つまり、「不健康またはリスクのある」個人を「健康な」クラスターに移行することができます。例えば、概日サイクルに障害のある若年成人には、睡眠覚醒サイクルを改善するために、タイムリーな光への曝露、特定の時間の運動、メラトニンの摂取、モニタリングのためのデジタル技術の利用などの推奨事項が与えられる可能性があります40,41。一方、活動レベルが低い高齢者には、加齢に伴う病気のリスクを軽減し、筋力と可動性を高めるために、身体活動を増やし、その他の健康的な行動をすることが推奨される場合があります。

この研究には潜在的な限界があります。まず、特徴選択の妥当性を、開発段階ではモデルからは見えない新しいデータで検証する必要があります。第二に、これは遡及的な分析であり、観察された関連性間の因果関係を確立することはできません。第三に、7 日間の加速度計データのみを使用しており、監視期間が長くなると、クラスターのより正確で正確な分類が提供されます。第 4 に、測定されていない環境要因または残留交絡が加速度測定の測定に影響を与えた可能性があります。同様に、非装着時間や加速度測定値の欠落も活動出力に影響を与える可能性があります。ただし、分析では完全な 5 分間のエポック情報を持つ参加者を選択したため、影響は最小限です。次に、シフト勤務のステータスと勤務スケジュールに関するデータが欠落しているため、特定したクラスターがシフト勤務者を含むことに偏っており、したがって通常の勤務スケジュールを持つ一般集団を代表していない可能性があります。しかし、2 つの理由により、交替勤務状況の影響だけでは調査結果を完全に説明できないと考えています。まず、深刻な概日リズムの乱れがあるグループと乱れのないグループを比較すると、データ内の雇用状況に大きな違いがないことがわかりました。第二に、雇用ステータスの制御は、一般化線形モデルとコックス比例ハザードモデルにおける元の関連性に影響を与えませんでした。最後に、ウェアラブルデバイスの購入にかかる初期コストは、短期的には人口の観点から費用対効果が低いように見えるかもしれません (1 台あたり 250 ドル)。ただし、次の理由により、長期的には費用対効果が高くなる可能性があります。(1) スマートフォンやスマートウォッチの普及により、大規模な人口における継続的なデータ収集のためのスケーラブルなソリューションになります。 (2) ウェアラブルは、物理的な接触が必要であり、訪問ごとに費用が発生する可能性がある臨床訪問や臨床検査などの従来の方法と比較した場合、長期的には経済的です。 (3) テクノロジーの進歩に伴い、加速度センサー機能を備えた低価格のウェアラブルデバイスや市販のスマートウォッチの入手可能性が増加しています。

それにもかかわらず、この研究は以前の研究に比べて次のような貢献を提供します。この研究では、ウェアラブルベースの加速度計の活動データを使用して、米国人口の全国を代表するサンプルをセグメント化しました。 24 時間活動プロファイルの斬新で詳細な解析により、異なるクラスタープロファイルが解明され、炎症、生物学的年齢、死亡率の長寿の尺度において重要な役割を果たす概日のずれとリズムの乱れが浮き彫りになります。この研究により、私たちは継続的なウェアラブルベースの活動データに基づいた人間の長さの測定のデジタル化の可能性を実証するこの分野の現在の研究に有意義な貢献を追加します。長寿のデジタルバイオマーカーは、デジタル表現型解析、個別化された介入、集団レベルの予防、人々の健康の遠隔監視に大きな可能性を秘めています。これは、精密医療の目標を達成するための重要なステップでもあります。デジタルデバイスを使用した前向きの繰り返し評価による今後の研究が保証されます。

私たちは、米国の成人と子供の健康と栄養状態を評価するために疾病管理予防センターによって実施された全国横断調査である NHANES のデータを利用しました42。 NHANES は、層化された多段階の確率サンプリング設計を適用して、米国人口の重み付けされた代表的なサンプルを生成します。国立保健統計センター倫理審査委員会は、NHANES 研究プロトコル (NCHS IRB/ERB プロトコル番号: #2011–17) を承認し、すべての参加者が書面によるインフォームドコンセントを提出しました。すべての方法はヘルシンキ宣言に従って実行されました。本研究では、24 時間の加速度計データが利用可能な、NHANES 2011 ～ 2014 サイクルの加速度計記録が検証された 20 歳以上の非妊娠成人を選択しました。参加者は、4 日間以上毎日 16 時間以上の装着時間を満たしていれば、有効な加速度計データを持っていました。さらに、参加者の加速度計データは、24 時間にわたって 5 分間のエポックを見逃すことなく、連続的かつ時系列的に記録する必要があります。この研究には 7,297 人の参加者が分析に参加しました (図 6 を参照)。

研究参加者を含めるためのフローチャート。

血液サンプルの収集、検査方法、および詳細な処理手順は、NHANES 検査室/医療技術者手順マニュアル 43 に記載されています。血液分析装置により、白血球数、好中球数、リンパ球数、および好中球対リンパ球比 (NLR) が得られました。さらに、次の式を使用して、全身性炎症の 2 つの血液学的指標、全身性免疫炎症指数 (SII) と全身性炎症総指数 (AISI) を計算しました。

SII = 好中球 x 血小板/リンパ球数

AISI = 好中球 x 単球 x 血小板/リンパ球数。

我々は、生物学的年齢予測に修正クレメラ・ドゥーバル法（KDM）を使用しました10,46。 KDM 生物学的年齢を選択したのは、罹患率、死亡率、および健康寿命の指標の予測において、他の代替手段よりも正確であることが示されているためです47,48。 BioAge R パッケージ 0.1.0.49 を使用した生物学的年齢推定には、アルブミン、アルカリホスファターゼ、総コレステロール、クレアチニン、HbA1c、最高血圧、血中尿素窒素、尿酸、リンパ球の割合、平均細胞体積、および白血という 11 のバイオマーカーが含まれています。細胞数。

私たちは、National Death Index (NDI) の認定死亡記録を含む、National Center for Health Statistics (NCHS) から公開されているファイルを使用しました。追跡調査期間は、面接日から死亡者の登録死亡日まで、または生存者の追跡期間終了日（2015年12月31日）までとなります。

2011 ～ 2012 年のサイクルでは 6 歳以上の参加者全員、2013 ～ 2014 年のサイクルでは 3 歳以上の参加者全員が、利き腕ではない手首に ActiGraph GT3X + (フロリダ州ペンサコーラの Actigraph) 加速度計を 7 回連続で装着しました。 -h の期間。ウェアラブルは、80 Hz のサンプリングレートで x、y、z 軸上の生の信号を収集しました。 NHANES は、加速度計データを分単位で処理、フラグ付けし、Monitor-Independent Movement Summary (MIMS) 単位で要約しました。MIMS 単位は、非独自のオープンソースで、デバイスに依存しない普遍的な要約メトリックです。一連の品質管理とデータ処理ステップを適用して、分析に適した有効な加速度計データを特定しました。まず、加速度計を 1 日あたり 16 時間以上、少なくとも 4 日間装着した参加者からの加速度計データを含めました。これには、データ処理から除外された装着初日は含まれません。以前の研究では、集団レベルの分析では、加速度計データを使用して安定したグループレベルの活動推定値を生成するには、4 日以上の 16 時間の装着時間で十分であることが示されています51。着用時間は、覚醒時着用、睡眠時着用、非着用時、および機械学習アルゴリズムに基づいて計算された未知の推定値によって決定されました52。次に、24 時間にわたる活動レベルの連続時系列を捕捉するために、1 日あたりの完了した 5 分エポック (つまり、欠落していない 288 タイムスライス) の加速度計データをさらに特定しました。このステップの理論的根拠は、最初の基準では評価できないデータの潜在的な非連続性と中断を特定することです。十分な有効な装着時間を有する参加者でも、長期間連続して欠損値が表示される可能性があり、不完全な 24 時間活動プロファイルが生成され、分析に影響を与える可能性があります。最後に、以前の研究に従って、次の 3 つの条件に対して MIMS 3 軸値を欠損として設定します。 (1) MIMS 3 軸値は「− 0.01」としてコード化されます (変数名: PAXMTSM)。（２）その分間の推定覚醒／睡眠／装着状態は「非装着」（変数名：ＰＡＸＰＲＥＤＭ）。 (3) 分データ品質フラグ数が「0」より大きい（変数名：PAXQFM）51,53。

有効な加速度計データを持つ参加者の場合、分レベルの概要ファイル (ファイル名: PAXMIN、変数名前: PAXMTSM) を使用して、24 時間にわたる 1 時間ごとの活動レベルを計算します。これにより、参加者あたり 24 のエントリを持つベクトルが生成されます。各エンティティは、指定された時間の 1 時間平均活動レベルを表し、00:00 (1 番目のエンティティ) から 23:00 (24 番目のエンティティ) までで表されます。これまでの研究では、加速度計を使用して 24 時間にわたって評価された活動の時間ごとの変化が、一般の成人集団に関する有意義な情報を提供することを示しています 54,55。次に、再帰的特徴除去を適用して、データ内のクラスターを大幅に分離するアクティビティレベルの前述の 24 の入力エンティティから最適な特徴セットを特定しました (補足図 1 を参照)。選択した 16 個の特徴のみを使用して、米国成人のウェアラブルベースの加速度計活動データの人口セグメンテーションにユークリッド距離とウォードのリンケージアルゴリズムを使用した階層的クラスタリングアプローチを適用しました (補足図 1 を参照)。すべての分析は、R ソフトウェア 4.1.2 および RStudio 2022.07.1 を使用して実行されました。特に、機能の選択にはキャレットパッケージ 6.0 ～ 90 を使用しました。 R パッケージのcluster 2.1.2、mclust 5.4.10、dendextend 1.16.0、ggdendro 0.1.23、およびfactoextra 1.0.7が、階層クラスタリングアルゴリズムと結果の視覚化のために実装されました。

私たちは、以前の研究に基づいて、炎症性バイオマーカー、生物学的年齢および死亡率に関連すると考えられる特性に関する追加情報をアプリオリに入手しました36,56,57：年齢、性別、人種/民族、世帯収入と貧困の比率、教育、婚姻状況、雇用状況、世帯収入、喫煙状況、睡眠時間と質、心血管疾患、がん、脳卒中、糖尿病、高血圧、喘息、関節炎の病歴。体重（キログラム）を身長（メートル）の二乗で割ることにより、肥満指数（BMI）を計算しました。 BMI はさらに、正常体重 (BMI < 25)、過体重 (BMI 25 ～ 29.9)、肥満 (BMI ≥ 30) の 3 つのグループに分類されました。睡眠、座りっぱなし、中程度の強度、および激しい強度の身体活動の継続時間など、さまざまな運動行動の継続時間は自己申告によって評価されました。アメリカ人のための身体活動ガイドラインが推奨するガイドラインを満たしている場合、参加者は十分な中強度および高強度の身体活動 (MVPA) を行っていると分類されました (つまり、週あたり 150 分以上の中強度の運動、または 75 分以上の激しい運動) -週あたりの強度活動)58.

複雑な調査設計を説明し、米国人口の代表的な推定値を生成するために、調査パッケージ 4.1-1 を使用してすべての統計手順に 4 年間の調査の重みを適用し、NHANES 分析に従って不平等な選択確率と無回答バイアスを調整しました。ガイドライン59. 記述統計では、サンプル全体 (表 1 を参照) およびクラスターごと (表 2 を参照) で母集団の平均、割合、標準誤差 (SE) を取得しました。連続変数またはカテゴリ変数に対してスチューデントの t 検定またはカイ二乗検定を実行し、クラスターごとのベースライン特性を比較しました。

クラスターと血清炎症性バイオマーカー (つまり、白血球数、好中球数、リンパ球数、NLR、SII、および AISI) およびクレメラ・ドゥーバル法に基づく生物学的年齢との関連性について、調査加重一般化線形モデルを使用しました。共変量は調整しません (図 2 および 3 を参照)。偏った分布を考慮して、これらのモデルでは従属変数が対数変換されました。さらに、RパッケージadjustedCurves 0.9.1を使用して、加重カプラン・マイヤー曲線のクラスターに基づく全死因死亡率の違いを表しました（図4aを参照）。さらに、共変量を調整したサーベイ加重コックス比例ハザードモデルを当てはめて、クラスターと全死因死亡率の関連性の HR と 95% CI を推定しました (図 4b を参照)。比例ハザードの仮定は満たされました。逆方向の選択に基づいて、年齢、性別、人種/民族、雇用状況を調整モデルに組み込みました。クラスターと共変量間の相互作用を確認するために感度分析を実施しましたが、効果の変化は観察されませんでした。統計的有意性は両側 p < 0.05 でした。

この研究結果を裏付ける NHANES データは、CDC 疾病管理予防センターの Web サイト [https://wwwn.cdc.gov/nchs/nhanes/Default.aspx] から入手できます。

リー、Ｘら。デジタルヘルス: ウェアラブルバイオセンサーを使用して生理現象と活動を追跡すると、有用な健康関連情報が明らかになります。 PLoSバイオル。 15、e2001402 (2017)。

記事 PubMed PubMed Central Google Scholar

Salamone, F.、Masullo, M. & Sibilio, S. 建築環境における環境モニタリングのためのウェアラブルデバイス: 体系的なレビュー。センサー 21、4727 (2021)。

論文 ADS PubMed PubMed Central Google Scholar

Stankoski, S.、Jordan, M.、Gjoreski, H. & Luštrek, M. スマートウォッチベースの食事検出: 不完全なラベルを持つ不均衡なデータから機械学習用のデータを選択します。センサー 21、1902 (2021)。

論文 ADS PubMed PubMed Central Google Scholar

シム、I. モバイルデバイスと健康。Ｎ．Ｅｎｇｌ． J.Med. 381、956–968 (2019)。

論文 PubMed Google Scholar

Dunn, J.、Runge, R.、Snyder, M. ウェアラブルと医療革命。パース。医学。 15、429–448 (2018)。

記事 CAS Google Scholar

ピルコフ、TV、ソコロフ、IS & フェディチェフ、PO ウェアラブルセンサーデータの詳細な長期的表現型解析により、寿命、ストレス、回復力の独立したマーカーが明らかになります。 13 歳、7900 ～ 7913 年 (2021 年)。

論文 CAS PubMed PubMed Central Google Scholar

シュッツ、N. 他高齢者の遠隔健康モニタリングに向けたシステムアプローチ: ゼロインタラクションのデジタル排気装置の導入。 Npj 桁。医学。 5、1–13 (2022)。

記事 Google Scholar

Partridge, L.、Deelen, J.、Slagboom, PE 高齢化という世界的な課題に立ち向かう。ネイチャー 561、45–56 (2018)。

論文 ADS CAS PubMed Google Scholar

Franceschi, C. et al. 炎症による老化。免疫老化に関する進化的視点。アン。ニューヨークアカデミー。科学。 908、244–254 (2000)。

論文 ADS CAS PubMed Google Scholar

メイン州レバイン老化速度のモデリング: 推定生物学的年齢は実年齢よりも正確に死亡率を予測できますか? J.ジェロントール。ビオール。科学。医学。科学。 68、667–674 (2013)。

論文 PubMed Google Scholar

Canudas-Romo、V. 長寿の 3 つの尺度: 時間の傾向と記録値。人口統計学 47、299–312 (2010)。

記事 PubMed PubMed Central Google Scholar

Baker, GT & Sprott, RL 老化のバイオマーカー。経験値ジェロントル。 23、223–239 (1988)。

論文 PubMed Google Scholar

Jylhävä, J.、Pedersen, NL & Hägg, S. 生物学的年齢予測子。 EBioMedicine 21、29–36 (2017)。

記事 PubMed PubMed Central Google Scholar

Flores, M.、Glusman, G.、Brogaard, K.、Price, ND & Hood, L. P4 医学: システム医学が医療部門と社会をどのように変革するか。あたり。医学。 10、565–576 (2013)。

論文 CAS PubMed PubMed Central Google Scholar

ヴィタテルナ、MH、高橋、JS、トゥレック、FW 概日リズムの概要。アルコール耐性ヘルス 25、85–93 (2001)。

CAS PubMed PubMed Central Google Scholar

マイヤー、N.、ハーベイ、AG、ロックリー、SW、ダイク、D.-J。概日リズムと睡眠のタイミングの乱れ。ランセット 400、1061–1078 (2022)。

記事 Google Scholar

Masri, S. & Sassone-Corsi, P. がん、代謝、概日リズムの間の新たな関連性。ナット。医学。 24、1795–1803 (2018)。

論文 CAS PubMed PubMed Central Google Scholar

ファーマン、D.ら。生涯にわたる病気の病因となる慢性炎症。ナット。医学。 25、1822–1832 (2019)。

論文 CAS PubMed PubMed Central Google Scholar

コマス、M.ら。概日リズムに基づく炎症反応: 呼吸器疾患と治療への影響。睡眠科学。練習してください。 1、18 (2017)。

記事 Google Scholar

チャプット、J.-P. 他。肥満における睡眠不足と概日リズムの乱れの役割。ナット。内分泌牧師。 19、82–97 (2023)。

論文 CAS PubMed Google Scholar

リー、J.ら。安静時活動リズムは肥満表現型と関連している: 横断分析。フロント。内分泌。 13、907360 (2022)。

記事 Google Scholar

ポッター、GDM et al. 概日リズムと睡眠障害：原因、代謝による影響、および対策。内分泌。改訂 37、584–608 (2016)。

論文 CAS PubMed PubMed Central Google Scholar

Montaruli、A. et al. 生体リズムとクロノタイプ: 健康における新しい視点。生体分子 11、487 (2021)。

論文 CAS PubMed PubMed Central Google Scholar

Shandhi、MMH、Wang、WK、Dunn、J. 身体のために時間を割く: ウェアラブルを使用して概日生理を評価する方法。 Cell Rep. Methods 1、100067 (2021)。

論文 CAS PubMed PubMed Central Google Scholar

ヘンリクセン、A.ら。フィットネストラッカーとスマートウォッチを使用した研究における身体活動の測定: 消費者の手首に装着するウェアラブルの分析。 J.Med. インターネット解像度 20、e9157 (2018)。

記事 Google Scholar

Kheirkhahan、M. et al. リアルタイムおよびオンライン評価とモビリティ監視のためのスマートウォッチベースのフレームワーク。Ｊ．Ｂｉｏｍｅｄ．知らせる。 89、29–40 (2019)。

論文 PubMed Google Scholar

クライン、A.ら。高精度医療におけるマルチモーダル機械学習: 範囲のレビュー。 npj 数字。医学。 5、1–14 (2022)。

Yan, S.、Kwan, YH、Tan, CS、Thumboo, J. & Low, LL データ駆動型の集団セグメンテーション分析の臨床応用に関する系統的レビュー。 BMC医学。解像度メソドール。 18、121 (2018)。

記事 PubMed PubMed Central Google Scholar

ケンタッキー州ノアハムおよびケンタッキー州カンリンクされた医療データのクラスター分析により、一般診療に登録されている集団内の固有の集団セグメントを特定できますか? BMC 公衆衛生 20、798 (2020)。

記事 PubMed PubMed Central Google Scholar

ロー、HWら。アクティグラフィー由来の休息活動パターンおよび概日位相と、慢性不眠症障害における臨床症状および睡眠ポリグラフパラメータとの関連性。科学。議員第 12 号、4895 (2022)。

論文 ADS CAS PubMed PubMed Central Google Scholar

フル、KMら。加速度計で測定された睡眠、身体活動、座位時間の潜在プロファイル分析と、成人女性の健康特性の違い。 PLoS ONE 14、e0218595 (2019)。

論文 CAS PubMed PubMed Central Google Scholar

ローゼンバーガー、メイン他 24 時間の活動サイクル: 身体活動の新しいパラダイム。医学。科学。スポーツ運動。 51、454–464 (2019)。

記事 PubMed PubMed Central Google Scholar

Bertele, N.、Karabatsiakis, A.、Buss, C. & Talmon, A. 疾患負荷の高い個人を特定するためにバイオマーカーパターンを利用する方法: 予測、予防、個別化 (3P) 医療に向けたバイオインフォマティクスアプローチ。 EPMA J. 12、507–516 (2021)。

記事 PubMed PubMed Central Google Scholar

Chellappa、SL、Morris、CJ & Scheer、FAJL 概日リズムのずれにより、模擬シフト勤務における気分の脆弱性が増加します。科学。議員 10、18614 (2020)。

論文 ADS CAS PubMed PubMed Central Google Scholar

Fishbein、AB、Knutson、KL、Zee、PC 概日リズムの乱れと人間の健康。Ｊ．クリン．投資する。 131、(2021)。

Xu、Y.ら。休息活動性概日リズムの鈍化は、米国成人の全原因による心血管疾患およびがん死亡のリスクを高めます。科学。議員 12、20665 (2022)。

論文 ADS CAS PubMed PubMed Central Google Scholar

Rea、MS および Figueiro、MG ヒトおよび動物モデルにおける光依存性の概日混乱を定量化します。クロノビオール。内部。 31、1239–1246 (2014)。

論文 CAS PubMed PubMed Central Google Scholar

Weinert, D. & Gubin, D. 概日システムに対する身体活動の影響: 健康への利点。実行する。ウェルビーイングアプリ。科学。 12、9220 (2022)。

CAS Google スカラー

マイナーズ、D.、アトキンソン、G.、ベント、N.、ラビット、P.、ウォーターハウス、J. ライフスタイルのいくつかの側面に対する年齢の影響と、概日リズムに関する研究への影響。年齢 27 歳、67 ～ 72 歳（1998 年）。

論文 CAS PubMed Google Scholar

ポッター、GDM およびウッド、TR シフト勤務の未来: 概日生物学と個別化医療および行動科学の出会い。フロント。ニュートル。 7 (2020)。

ヤングステッド、SD 他明るい光、運動、明るい光の運動による概日位相シフト効果。 J. 概日リズム 14、2 (2016)。

記事 PubMed PubMed Central Google Scholar

NHANES - 国民健康栄養調査について。 https://www.cdc.gov/nchs/nhanes/about_nhanes.htm (2022)。

NHANES 検査室/医療技術者手順マニュアル (LPM)。 https://www.cdc.gov/nchs/data/nhanes/nhanes_11_12/2011-12_laboratory_procedures_manual.pdf (2022)。

リー、Ｈら。身体活動は、中年および高齢者集団における全身性免疫炎症指数と総死亡率および原因別死亡率との関連を弱めます。科学。議員 11、12532 (2021)。

論文 ADS CAS PubMed PubMed Central Google Scholar

Zinellu、A. et al. 全身性炎症の総合指標 (AISI): 特発性肺線維症における新規の予後バイオマーカー。Ｊ．クリン．医学。 10、4134 (2021)。

記事 PubMed PubMed Central Google Scholar

Klemera, P. & Doubal, S. 生物学的年齢の概念と計算に対する新しいアプローチ。メカ。高齢化開発 127、240–248 (2006)。

論文 PubMed Google Scholar

村人、JM 他地域社会のサンプルにおける生物学的年齢の測定により、死亡率と加齢に関連した病気が予測されます: フラミンガム子孫の研究。 J.ジェロントール。ビオール。科学。医学。科学。 73、757–762 (2018)。

論文 PubMed Google Scholar

パーカー、DCら。血液化学の定量化による生物学的老化と、高齢者の障害および死亡率との関連。 J.ジェロントール。ビオール。科学。医学。科学。 75、1671–1679 (2019)。

論文 PubMed Central Google Scholar

Kwon, D. & Belsky, DW 血液化学および臓器機能検査データから生物学的年齢を定量化するためのツールキット: BioAge。 GeroScience 43、2795–2808 (2021)。

論文 CAS PubMed PubMed Central Google Scholar

John, D.、Tang, Q.、Albinali, F.、Intille, S. 加速度計データ処理のためのオープンソースのモニターに依存しない動作の概要。Ｊ．Ｍｅａｓ．物理学。振る舞い。 2、268–281 (2019)。

記事 PubMed PubMed Central Google Scholar

Su、S.、Li、X.、Xu、Y.、McCall、WV、および Wang、X. 米国の学齢期の子供および成人における加速度計に基づく睡眠パラメーターの疫学: NHANES 2011–2014。科学。議員第 12 号、7680 (2022)。

論文 ADS CAS PubMed PubMed Central Google Scholar

国立保健統計センター。 (2013–2014)。 NHANES 2013 ～ 2014 年のデータドキュメント、コードブック、および頻度: 身体活動モニター (PAXMIN_H)。から取得しました。 https://wwwn.cdc.gov/Nchs/Nhanes/2013-2014/PAXMIN_H.htm。

Xu、Y.ら。成人における休息活動概日リズムと耐糖能障害：NHANES 2011-2014 の分析。 BMJ オープンダイヤブ。解像度ケア 10、e002632 (2022)。

記事 PubMed PubMed Central Google Scholar

ウェンマン、H.ら。手首に装着した加速度計による 24 時間の身体活動における性別、年齢、社会経済的変動: FinHealth 2017 調査。科学。議員番号 9、6534 (2019)。

論文 ADS PubMed PubMed Central Google Scholar

ドハーティ、A.ら。手首に装着する加速度計を使用した身体活動の大規模集団評価: 英国バイオバンク研究。 PLoS ONE 12、e0169649 (2017)。

記事 PubMed PubMed Central Google Scholar

Xu, Y.、Su, S.、McCall, WV & Wang, X. 成人における休息活動リズムの鈍化は、白血球ベースの炎症マーカーの増加と関連している: NHANES 2011–2014 の分析。クロノビオール。内部。 39、895–902 (2022)。

論文 CAS PubMed PubMed Central Google Scholar

Xu、Y.ら。休息活動性概日リズムの鈍化は生物学的老化速度の増加と関連している: NHANES 2011–2014 の分析。 J.ジェロントール。ビオール。科学。医学。科学。 https://doi.org/10.1093/gerona/glac199 (2022)。

記事 PubMed PubMed Central Google Scholar

ピアシー、KL et al. アメリカ人のための身体活動ガイドライン。 JAMA 320、2020–2028 (2018)。

記事 PubMed PubMed Central Google Scholar

疾病管理予防センター (CDC)。国民健康栄養試験調査のチュートリアル。 2020。https://wwwn.cdc.gov/nchs/nhanes/tutorials/default.aspx。

リファレンスをダウンロードする

デジタルヘルス介入センター、管理、技術、経済学部、チューリッヒ工科大学、チューリッヒ、スイス

シム・ジンジュ、エルガー・フライシュ、フィリペ・バラタ

ザンクトガレン大学、技術管理研究所、デジタルヘルス介入センター、ザンクトガレン、スイス

エルガーの肉

PubMed Google Scholar でこの著者を検索することもできます

JS—概念化、データキュレーション、形式分析、方法論、執筆（原案）、執筆（レビューと編集）。 EF - 執筆（レビューと編集）。 FB - 概念化、方法論、監修、執筆（レビューと編集）。

シム・ジンジュさんへの手紙。

著者らは競合する利害関係を宣言していません。

シュプリンガーネイチャーは、発行された地図および所属機関における管轄権の主張に関して中立を保ちます。

オープンアクセスこの記事はクリエイティブコモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブコモンズライセンスへのリンクを提供し、変更が加えられたかどうかを示します。この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブコモンズライセンスに含まれています。素材が記事のクリエイティブコモンズライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。

転載と許可

Shim, J.、Fleisch, E.、Barata, F. NHANES 2011 ～ 2014 での階層的クラスタリング分析を使用した、炎症、生物学的年齢、死亡率のデジタルバイオマーカーとしてのウェアラブルベースの加速度計の活動プロファイル。 Sci Rep 13、9326 (2023)。 https://doi.org/10.1038/s41598-023-36062-y

引用をダウンロード

受信日: 2023 年 2 月 9 日

受理日: 2023 年 5 月 29 日

公開日: 2023 年 6 月 8 日

DOI: https://doi.org/10.1038/s41598-023-36062-y

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

Springer Nature SharedIt コンテンツ共有イニシアチブによって提供

コメントを送信すると、利用規約とコミュニティガイドラインに従うことに同意したことになります。虐待的なもの、または当社の規約やガイドラインに準拠していないものを見つけた場合は、不適切としてフラグを立ててください。

前: アデレード、医学生として26,000ドルを得る — お金の日記次: Finger Lakes Craft Brewerが新しいOwegoタップルームをオープン

お問い合わせを送信

送信