期刊文章%@ 2291-5222 %I JMIR出版物% v10 %N卡塔尔世界杯8强波胆分析 4 %P 36762 %T SciKit数字健康:用于流线式可穿戴惯性传感器数据处理的Python软件包%A Adamowicz,Lukas %A Christakis,Yiorgos %A Czech,Matthew D %A Adamusiak,Tomasz %+数字医学和转化成像，辉瑞公司，美国剑桥大街610号，02139，美国，1 802 324 1829lukas.adamowicz@pfizer.com %K可穿戴传感器%K数字医学%K步态分析%K人体运动分析%K数字生物标志物%K健康%K可穿戴%K传感器%K步态%K运动%K移动能力%K身体活动%K睡眠%K Python %K编码%K开源%K软件包%K算法%K机器学习%K数据科学%K计算机编程%D 2022 %7 21.4.2022 %9观点JMIR移动健康uHealth %G英语%X可穿戴惯性传感器提供对患者的增强洞察流动性和健康。重要的研究工作集中在可穿戴算法的设计和部署在研究和临床环境;然而，用于处理各种日常生活活动的开源、通用的软件工具相对稀缺。此外，很少有研究包括用于复制的代码或现成的软件包。在这项工作中，我们介绍了SciKit数字健康(SKDH)，这是一个Python软件包(Python软件基金会)，其中包含各种算法，用于导出步态，从坐到站，身体活动和睡眠的临床特征，包裹在一个易于扩展的框架中。SKDH结合了面向现代数据科学工作流程的数据摄取、预处理和数据分析方法，并通过将所有必要的数据处理步骤组合在单个管道中，在“良好实践”环境中简化了数字端点的生成。我们的软件包简化了新数据处理管道的构建，并通过遵循约定优于配置的方法提高了可重复性，标准化了健康成人人群或轻度损伤人群生理上合理的默认设置。 SKDH is open source, as well as free to use and extend under a permissive Massachusetts Institute of Technology license, and is available from GitHub (PfizerRD/scikit-digital-health), the Python Package Index, and the conda-forge channel of Anaconda. %M 35353039 %R 10.2196/36762 %U https://mhealth.www.mybigtv.com/2022/4/e36762 %U https://doi.org/10.2196/36762 %U http://www.ncbi.nlm.nih.gov/pubmed/35353039