HRV

Bisakah HRV mengenali Anda? Yang ditunjukkan dan tidak ditunjukkan 202 orang dalam dataset publik

Rekaman HRV mungkin mengandung pola tingkat individu yang berulang maupun sinyal yang dibagi dalam satu sesi rekaman. Dalam analisis sekunder internal data EKG publik yang belum ditinjau, kami menguji keterhubungan bagian terpisah, mendokumentasikan keterbatasan, dan menerbitkan hasil agregat.

Bisakah HRV mengenali Anda? Yang ditunjukkan dan tidak ditunjukkan 202 orang dalam dataset publik

Jawaban singkat

Dengan informasi turunan HRV, menghubungkan satu bagian ke bagian lain dari rekaman sama di antara 202 kandidat mencapai 30.7% pada peringkat pertama dan 55.4% dalam lima teratas. Pemilihan acak sekitar 0.5% dan 2.5%. Analisis yang belum ditinjau ini menggunakan hari, perangkat, dan postur sama dalam kumpulan kandidat tertutup. Ini tidak memastikan verifikasi identitas lintas hari atau perangkat, maupun autentikasi yang dapat menolak orang tidak dikenal.

Poin utama

  • Pada 202 orang dalam dataset publik, informasi turunan HRV menghubungkan dua bagian rekaman orang yang sama
  • Peringkat pertama 30.7% (kebetulan 0.5%); lima teratas 55.4% (kebetulan 2.5%)
  • 20,000 replikasi permutasi (nilai p satu sisi terkecil yang dapat dilaporkan: 0.00005)
  • Namun, ini dalam satu sesi; kestabilan lintas hari, perangkat, atau tidur dan terjaga tidak ditunjukkan
  • Ini bukan evaluasi Apple Watch dan bukan ukuran kinerja autentikasi

Mengapa kami mengujinya

HRV merangkum variasi interval detak dengan beberapa cara. HRV dipengaruhi postur, napas, usia, dan kondisi pengukuran, tetapi mungkin juga membawa pola tingkat individu berulang atau ciri bersama dalam satu rekaman.

Bagi aplikasi kesehatan, tingkat keterhubungan dua rekaman penting saat menilai risiko penyimpanan, ekspor, dan berbagi.

Cara pengukurannya

  1. Memakai data publik

    Dari dataset Autonomic Aging PhysioNet, kami memakai 211 subjek yang sudah dibekukan sebagai bagian pengujian yang disisihkan. Sebanyak 202 memenuhi kondisi.

  2. Memakai bagian terpisah setiap rekaman

    Bagian terpisah dan tidak tumpang tindih dari rekaman sama digunakan sebagai data acuan dan kueri. Aturan pembagian khusus belum dipublikasikan.

  3. Membandingkan informasi turunan HRV

    Metode pencocokan penelitian memakai informasi turunan HRV. Rancangan fitur, prapemrosesan, dan perhitungan kesamaannya belum dipublikasikan.

  4. Membandingkan dengan kebetulan

    Memilih acak dari 202 memberi 0.5% pada peringkat pertama. Itulah acuan yang dibandingkan dengan ketepatan terukur.

Hasil

  • Peringkat pertama: 62/202 = 30.7% (IK 95% 24.7–37.4%; kebetulan 0.495%)
  • Lima teratas: 112/202 = 55.4% (IK 95% 48.6–62.1%; kebetulan 2.48%)
  • Uji permutasi: 20,000 replikasi (nilai p satu sisi terkecil yang dapat dilaporkan: 0.00005)
  • Membalik arah perbandingan dalam analisis sensitivitas: peringkat pertama 34.2%, lima teratas 55.9%

Yang tidak dimaksudkan hasil ini

Jika hanya dibaca sebagai angka, ini tampak seperti "HRV dapat memverifikasi identitas". Tidak demikian. Uji memiliki keterbatasan yang perlu dinyatakan jelas.

  • Pendaftaran dan kueri berasal dari sesi rekaman sama—hari, perangkat, dan postur sama
  • Kumpulan kandidat tertutup pada 202; kemampuan menolak orang tidak dikenal tidak diukur
  • Kestabilan lintas hari, perangkat, atau tidur dan terjaga sama sekali tidak ditunjukkan
  • Artefak sesi, sensor, atau pemrosesan khusus rekaman dapat berkontribusi pada keterhubungan
  • Ini bukan evaluasi Apple Watch. Sinyal yang dipakai adalah EKG klinis

Cara hal ini tercermin dalam Feelmo

Karena hasil ini, secara umum Feelmo menyimpan data turunan HRV dan skor di perangkat, tanpa unggahan otomatis ke server Penyedia. Hanya ketika Anda memulai ekspor atau berbagi, isi pilihan dikirim ke tempat yang Anda tentukan.

Analisis ini tidak menentukan status hukum data, tetapi menunjukkan bagian terpisah dari rekaman sesi sama mungkin tetap dapat dihubungkan, sehingga kami memakai rancangan hati-hati.

Data dan transparansi

Hasil agregat, interval ketidakpastian, temuan sensitivitas, dan keterbatasan di atas diterbitkan sebagai JSON.

Informasi per subjek serta rancangan fitur khusus, prapemrosesan, dan perhitungan pencocokan belum dipublikasikan. Ini berarti peneliti independen belum dapat mereproduksi analisis yang persis, suatu keterbatasan penting.

Referensi

  1. Hasil audit agregat sebagai JSON — Feelmo
  2. Autonomic Aging: A dataset to quantify changes of cardiovascular autonomic function during healthy aging — PhysioNet
Bisakah HRV mengenali Anda? Yang ditunjukkan dan tidak ditunjukkan 202 orang dalam dataset publik | Feelmo