预测食品的渴望通过智能手机在日常生活中派生的传感器和使用数据

托马斯Schneidergruber ¹,Jens Blechert², 撒母耳医生¹, Bjorn Pannicke², 茱莉亚Reichenberger², Ann-Kathrin。艾伦 ²和西蒙·w·Ginzinger ^{1 *}

• ¹奥地利的萨尔斯堡应用科学大学
• ²奥地利萨尔斯堡大学

背景:食物渴望之前不健康的饮食行为,如暴饮暴食或暴食,因此是一种很有前途的干预的目标。然而,渴望变化迅速在一天和响应内部和外部环境的变化。这使它适合及时适应干预(吉泰),然而,要求可以提前预测。
摘要目的:探讨即将到来的食物的欲望是否可以检测到从被动智能手机传感器数据(不包括地理位置信息)不需要EMA-questionnaires。
方法:56参与者的样本记录他们的食物渴望每天6次,14天为因变量。预测变量环境噪声、光、设备运动,屏幕活动、通知和时间。每个参与者我们确定最佳拟合食品渴望分裂和预测算法在10倍交叉分类与75/25培训/测试。
结果:个人高与低评级的渴求可能是预测平均曲线下的面积(AUC) 0.78超过基线模型训练过去的渴望值85%的参与者。
结论:被动遥感craving-preceding国家似乎可行的基于人特定的基线数据和个性化的机器学习方法。渴望预测允许实现craving-preventive吉泰。在主题建模增加渴望的臭名昭著的挑战性任务的可行性预测。