Data preprocessing and machine learning in wearable data analysis: assessing efficacy and challenges for mental health monitoring of healthcare professionals
- Support
- Université Paris Cité
- Année
- 17 décembre 2024
- Rôle
- Auteur
La question
Que peuvent honnêtement étayer les données de capteurs portés lorsque la question est la santé mentale d'un clinicien ?
Résumé
Doctoral thesis examining the efficacy and the limits of data-processing and machine-learning methods applied to wearable device data, for monitoring the mental health of frontline healthcare professionals during COVID-19. The work encodes time-series data using Gramian Angular Field transformation for convolutional models, and reports 97.01% classification accuracy in distinguishing at-risk from non-at-risk cases against clinical thresholds.
Rôle
Doctorant et seul auteur. Thèse soutenue à l'Université Paris Cité le 17 décembre 2024, sous la direction de François Taddei et Harri Ketamo.
Auteurs. Roy Saurabh
Un modèle performant sur une cohorte peut rester le mauvais instrument pour une décision individuelle.
La méthode, et ses limites
01
Des signaux venus du corps
Des dispositifs portés ont enregistré des séries temporelles physiologiques auprès de professionnels de santé de première ligne pendant la COVID-19.
02
Les séries deviennent des images
Les séries ont été encodées par une transformation en champ angulaire de Gram, afin que des modèles convolutifs puissent lire la structure temporelle comme une texture.
03
Un résultat rapporté
La thèse rapporte une exactitude de 97,01 % pour distinguer les cas à risque des cas non à risque au regard de seuils cliniques.
04
Ce qu'il ne peut pas étayer
Des signaux rares, bruités et profondément contextuels limitent ce qu'un tel chiffre peut justifier pour une personne.
97.01%
Exactitude de classification rapportée dans la thèse
Un résultat méthodologique, attribué à la thèse. Il ne s'agit pas d'une affirmation sur un déploiement clinique.
Source: theses.fr ↗theses.fr
Thesis record s310267
Prétraitement des données et apprentissage automatique dans l'analyse des données des dispositifs portables : évaluation de l'efficacité et des défis pour le suivi de la santé mentale des professionnels de la santé
Preuves
- 01
theses.fr
Thesis record s310267
Doctorate awarded by Université Paris Cité, defended 17 December 2024, in Mathematics and Computer Science, supervised by François Taddei and Harri Ketamo.
- 02
ABES
Thesis DOI record
Registers the thesis against ORCID 0000-0003-3439-7731 with affiliation Université Paris Cité, confirming that the indexed author name 'Saurabh Roy' is the same researcher.
Voir l'original ↗, ouvre dans un nouvel ongletDOI ↗, ouvre dans un nouvel onglet
Référence
Roy, S. (2024). Data preprocessing and machine learning in wearable data analysis: Assessing efficacy and challenges for mental health monitoring of healthcare professionals [Doctoral dissertation, Université Paris Cité]. https://doi.org/10.70675/bdabcabdz273cz4ff3z8b79zc9434acdf00d
Projet suivant
Données pour l'apprentissage
The Transformative Potential of Data for Learning