[论文解读] Visualization and Analysis of Wearable Health Data From COVID-19 Patients

Susanne K. Suter, Georg Spinner+5 more|arXiv (Cornell University)|Jan 19, 2022

COVID-19 diagnosis using AI被引用 3

一句话总结

本研究提出了一种基于定制化热力图和双向条形图的可视化流程，用于实时检测和传达84名住院新冠患者可穿戴生命体征中的医学相关健康模式。该方法有效凸显了趋势、极端值及生理变化（如应激事件和恢复阶段），使临床人员能够在面对数据质量挑战的情况下，更高效、准确地远程监测患者。

ABSTRACT

Effective visualizations were evaluated to reveal relevant health patterns from multi-sensor real-time wearable devices that recorded vital signs from patients admitted to hospital with COVID-19. Furthermore, specific challenges associated with wearable health data visualizations, such as fluctuating data quality resulting from compliance problems, time needed to charge the device and technical problems are described. As a primary use case, we examined the detection and communication of relevant health patterns visible in the vital signs acquired by the technology. Customized heat maps and bar charts were used to specifically highlight medically relevant patterns in vital signs. A survey of two medical doctors, one clinical project manager and seven health data science researchers was conducted to evaluate the visualization methods. From a dataset of 84 hospitalized COVID-19 patients, we extracted one typical COVID-19 patient history and based on the visualizations showcased the health history of two noteworthy patients. The visualizations were shown to be effective, simple and intuitive in deducing the health status of patients. For clinical staff who are time-constrained and responsible for numerous patients, such visualization methods can be an effective tool to enable continuous acquisition and monitoring of patients' health statuses even remotely.

研究动机与目标

• 解决住院新冠患者高容量实时可穿戴健康数据的解读挑战。
• 通过快速、直观地检测异常或显著的生理模式，提升临床决策能力。
• 克服可穿戴监测中缺失数据、设备充电中断和传感器误差等数据质量问题。
• 通过有效且可解释的可视化，促进临床人员与数据科学家之间的沟通。
• 开发一种可扩展、可重用的可视化框架，适用于新冠以外的其他临床应用场景。

提出的方法

• 采用定制化热力图，可视化24小时周期内生命体征（如心率、呼吸频率、SpO2）的时间模式。
• 使用双向条形图同时表示高低值为警报状态，以支持识别异常或重复模式。
• 应用时间聚合以降低数据密度，提升视觉清晰度，聚焦于选定的生命体征信号。
• 通过制造商提供的质量估计值或计算出的指数实施数据质量过滤，以清理原始信号。
• 引入视觉标注（如午夜线和时间轴标签），以辅助识别昼夜节律和数据缺失。
• 通过临床人员与数据科学家的调查，迭代优化可视化设计，提升可用性。

实验结果

研究问题

• RQ1 如何可视化住院新冠患者的可穿戴生命体征数据，以有效揭示医学相关的健康模式？
• RQ2 哪些可视化技术最能支持临床人员实时检测关键变化（如应激事件或恢复阶段）？
• RQ3 数据质量问题（如缺失数据或设备充电）如何影响可穿戴健康可视化结果的可解释性？
• RQ4 定制化热力图与双向条形图在多大程度上提升了对患者健康轨迹中趋势、极端值和异常情况的检测能力？
• RQ5 所提出的可视化流程能否推广至急性新冠护理以外的其他临床监测场景？

主要发现

• 定制化热力图在识别极端值和时间趋势方面极为有效，尤其在检测应激事件和生理转变方面表现突出。
• 双向条形图在识别患者健康演变过程中出现的重复、变化或不规则模式方面尤为有用。
• 最终的可视化布局通过时间聚合与质量过滤显著减少了数据过载，大幅提升了可解释性。
• 如午夜线和时间轴标签等标注，有助于快速识别昼夜节律和数据缺失。
• 调查结果显示，尽管热力图功能强大，但被临床人员视为过于复杂，表明需要对临床人员进行新可视化工具的培训。
• 该方法成功识别出三例具有代表性的患者病史，包括一例在抗生素治疗后呈现明确恢复轨迹的病例。