Nuovo sistema per monitorare lo stress nella vita quotidiana

Lo stress è un'esperienza comune per molte persone. Recenti sondaggi mostrano che circa il 70% della gente negli Stati Uniti affronta almeno un sintomo di stress ogni mese. È importante riconoscere che lo stress prolungato può danneggiare la salute, portando a problemi come sistemi immunitari indeboliti, malattie cardiache, depressione e persino dipendenze. A causa di questi effetti seri, tenere d'occhio i livelli di stress sta diventando sempre più importante. Questo rende la ricerca di metodi affidabili per rilevare lo stress nelle persone una priorità assoluta.

#Monitoraggio dello Stress Attraverso Segnali Fisici

Un modo per individuare lo stress è attraverso segnali fisici dai nostri corpi. I ricercatori hanno esaminato l'uso di questi segnali per aiutare a identificare lo stress. Un tipo di segnale risultato utile è chiamato segnale fotopletismografico (PPG). Questo segnale deriva da come il nostro cuore e i vasi sanguigni rispondono allo stress, e può essere facilmente misurato con dispositivi che indossiamo ogni giorno. Grazie alla crescita della tecnologia indossabile, come gli Smartwatch, ora possiamo monitorare questi segnali senza troppi problemi.

Insieme ai segnali corporei, monitorare il nostro ambiente e le attività quotidiane può fornire un contesto importante per capire lo stress. Nuove app mobili riescono a raccogliere continuamente informazioni su dove ci troviamo, cosa stiamo facendo, il tempo e altri dettagli rilevanti. Studi passati hanno già dimostrato che combinare queste Informazioni contestuali con i dati dei segnali può aiutare a rilevare situazioni di stress.

#Sfide nel Monitoraggio dello Stress In tempo reale

Anche se monitorare lo stress in tempo reale è utile, presenta diverse sfide. Ad esempio, quando indossiamo smartwatch, i segnali che raccolgono possono essere influenzati dal movimento, creando rumore nei dati. Per rendere questi segnali utilizzabili per la rilevazione dello stress, dobbiamo filtrare questo rumore.

Inoltre, per monitorare efficacemente lo stress, dobbiamo raccogliere dati sullo stress in tempo reale dai partecipanti. Questo può essere complicato perché richiede di tempificare la raccolta dei dati in modo preciso. Ad esempio, vogliamo chiedere alle persone dei loro livelli di stress quando non sono impegnate con altri compiti come studiare, lavorare o dormire. Trovare momenti in cui probabilmente si sentono stressate è anche cruciale. Nonostante queste difficoltà, creare un sistema affidabile che catturi sia i dati corporei che contestuali, ottenendo anche feedback dai partecipanti, è un ostacolo significativo.

#Il Nostro Sistema Proposto per Monitorare lo Stress

In questo studio, presentiamo un nuovo sistema per monitorare lo stress nella vita quotidiana attraverso un mix di segnali corporei e informazioni contestuali. Il nostro approccio prevede un modo intelligente di chiedere ai partecipanti dei loro livelli di stress. Questo sistema utilizza un'app mobile pubblica per raccogliere dati contestuali in tempo reale.

Per affrontare le sfide della raccolta di dati fisici e contestuali mentre otteniamo feedback dai partecipanti, abbiamo creato un sistema a tre livelli. Questa configurazione può raccogliere e registrare in modo efficiente entrambi i tipi di informazioni durante il giorno.

#Contributi Chiave

• Abbiamo progettato un sistema a tre livelli per raccogliere e tenere traccia sia dei segnali corporei che delle informazioni contestuali, insieme ai feedback dei partecipanti.
• Abbiamo stabilito un metodo intelligente per chiedere ai partecipanti dei loro livelli di stress più volte al giorno in un modo che garantisca risposte di alta qualità.
• Abbiamo esaminato come personalizzare il sistema per singoli partecipanti migliori la rilevazione dello stress utilizzando dati personali specifici durante l'addestramento.

#Ricerca Correlata

Molti studi sulla rilevazione dello stress sono stati condotti in ambienti controllati, come laboratori, dove i partecipanti svolgono compiti specifici indossando dispositivi per raccogliere vari segnali corporei. Anche se questi risultati di laboratorio possono essere impressionanti, non sono direttamente applicabili a situazioni del mondo reale. I dati raccolti nella vita quotidiana possono essere influenzati da molti fattori esterni, e lo stress che le persone provano nella loro vita quotidiana è spesso diverso dallo stress che sperimentano in un laboratorio.

Recentemente, alcune ricerche hanno iniziato a utilizzare segnali corporei dei partecipanti in ambienti più naturali. Questo viene fatto con dispositivi indossabili, come gli smartwatch, che raccolgono dati continuamente. Tuttavia, molti di questi studi non riescono a incorporare informazioni contestuali nei loro modelli, risultando in una rilevazione dello stress meno affidabile. Ricerche precedenti hanno evidenziato quanto sia importante questo dato contestuale.

Alcuni studi hanno esaminato l'uso sia di segnali corporei che di informazioni contestuali in contesti quotidiani. Tuttavia, spesso chiedono ai partecipanti dei loro livelli di stress solo una volta al giorno, rendendo difficile catturare l'intera gamma delle risposte allo stress durante la giornata. Inoltre, molti di questi studi mancano di un modo efficace per chiedere feedback sullo stress, portando a opportunità di raccolta dati mancate.

#Partecipanti allo Studio e Metodologia

Per testare il nostro sistema di monitoraggio, abbiamo reclutato un gruppo di studenti universitari per partecipare al nostro studio. Il gruppo era composto da 11 studenti di età compresa tra 18 e 37 anni. A ciascun partecipante è stato chiesto di indossare uno smartwatch che misurava vari segnali corporei e completare sollecitazioni quotidiane per segnalare i propri livelli di stress.

Prima di iniziare lo studio, i partecipanti sono stati informati del progetto e hanno dato il loro consenso verbale per partecipare. Hanno scaricato due app mobili: una per fornire aggiornamenti sullo stress e un'altra per raccogliere dati sul contesto. Per due settimane, gli studenti hanno indossato lo smartwatch e ricevuto sollecitazioni per segnalare il loro stress, attivate dal nostro sistema intelligente.

#Architettura del Sistema

Il nostro sistema proposto ha tre strati principali:

#Strato Sensoriale

Abbiamo utilizzato smartwatch Samsung Galaxy Gear Sport equipaggiati per misurare segnali corporei. Abbiamo creato un'app speciale per questi orologi per raccogliere dati grezzi. Quando collegati al Wi-Fi, i dati vengono inviati al cloud; se non c'è Wi-Fi, possono essere inviati via Bluetooth a uno smartphone.

#Strato Edge

Per raccogliere informazioni contestuali, abbiamo utilizzato il framework AWARE, che registra dati sulle attività quotidiane utilizzando i sensori degli smartphone. Se il Wi-Fi non è disponibile, l'app può comunque raccogliere dati e inviarli al cloud per la memorizzazione. Inoltre, ai partecipanti vengono inviate sollecitazioni tramite l'app che chiedono i livelli di stress.

#Strato Cloud

Nel cloud, è stato impostato un sistema intelligente per richiedere feedback sullo stress durante il giorno. Questo sistema opera sotto regole specifiche per garantire che le sollecitazioni vengano inviate nei momenti appropriati e solo quando i partecipanti indossano i loro orologi.

#Raccolta e Elaborazione dei Dati

I dati raccolti dai partecipanti includono sia segnali corporei che informazioni contestuali. Dopo aver raccolto i dati, vengono sottoposti a pulizia e filtraggio per rimuovere il rumore. Caratteristiche relative allo stress vengono estratte, come il battito cardiaco e i modelli respiratori, dai segnali corporei. Anche le informazioni contestuali vengono trasformate in caratteristiche utilizzabili per l'analisi.

Per garantire accuratezza, utilizziamo metodi avanzati per riempire eventuali lacune nei dati a causa di valori mancanti dai sensori. Classifichiamo anche i livelli di stress segnalati dai partecipanti in due categorie principali: "stress" e "nessuno stress".

#Apprendimento Automatico e Valutazione delle Prestazioni

Per costruire il nostro modello di rilevazione dello stress, abbiamo applicato varie tecniche di apprendimento automatico. Questi metodi aiutano a classificare i dati in base alle caratteristiche raccolte. Abbiamo misurato le prestazioni del nostro modello utilizzando il punteggio F1, una metrica comune per valutare l'accuratezza dei modelli di classificazione.

Nei nostri test, abbiamo scoperto che l'aggiunta di informazioni contestuali ha migliorato significativamente le prestazioni del nostro modello, aumentando il punteggio F1 rispetto all'uso dei segnali corporei da soli. Le caratteristiche più importanti per prevedere lo stress includevano le condizioni meteorologiche, la velocità del vento e la posizione dell'indossatore.

#Comprendere l'Impatto delle Caratteristiche

Per capire come il nostro modello fa previsioni, abbiamo impiegato metodi per spiegare l'influenza di ciascuna caratteristica sull'output. Ad esempio, abbiamo scoperto che la quantità di tempo in cui il dispositivo è inattivo ha avuto un forte effetto sulle previsioni di stress. Allo stesso modo, le condizioni meteorologiche hanno influenzato i livelli di stress, con certe condizioni che portano a uno stress maggiore.

Abbiamo anche notato che trovarsi in luoghi specifici, come nel campus, era associato a livelli di stress più elevati. In generale, questa analisi dimostra che sia i segnali corporei che i fattori contestuali giocano un ruolo significativo nella comprensione e nella rilevazione dello stress.

#Personalizzazione e Miglioramenti del Sistema

Abbiamo esplorato come personalizzare i modelli per i singoli partecipanti possa migliorare le prestazioni. I test iniziali hanno mostrato che personalizzare i modelli in base a dati specifici degli utenti ha portato a una migliore rilevazione dello stress.

Sebbene l'implementazione del nostro sistema a tre strati si sia dimostrata efficace, ci sono sfide che devono essere affrontate. Ad esempio, a volte i dati contestuali potrebbero mancare a causa di problemi con i sensori. Inoltre, il nostro metodo di richiesta di feedback sullo stress potrebbe non sempre catturare i momenti in cui i partecipanti stanno vivendo stress.

Nel lavoro futuro, intendiamo creare un sistema di query più intelligente che possa identificare meglio quando i partecipanti sono probabilmente stressati e evitare momenti in cui sono occupati o si stanno riposando. Per raggiungere questo obiettivo, pianifichiamo di utilizzare l'elaborazione dei dati in tempo reale per aiutare a riconoscere schemi nelle attività quotidiane.

#Conclusione

Abbiamo sviluppato un sistema consapevole del contesto per monitorare lo stress nella vita quotidiana, combinando segnali corporei e dati contestuali. Il nostro approccio innovativo include un sistema di feedback intelligente per raccogliere livelli di stress dai partecipanti più volte al giorno. Integrando queste caratteristiche, abbiamo ottenuto un miglioramento significativo delle prestazioni nella rilevazione dello stress.

Attraverso questo lavoro, abbiamo dimostrato che i modelli personalizzati possono portare a risultati migliori nella previsione dello stress. Le nostre scoperte evidenziano l'importanza sia delle informazioni fisiologiche che contestuali nella comprensione dello stress, aprendo la strada a sistemi di monitoraggio migliorati per la gestione dello stress quotidiano.