Sense and Sensibility: Sensible Quality Control and Data Decision-Making in Passive Sensing Data for Adolescent Substance Use Risk Prediction
تقدم هذه الورقة توصيات مبدئية لمعالجة بيانات الاستشعار السلبي من الهواتف الذكية والأجهزة القابلة للارتداء مسبقاً لتحسين التنبؤ بمخاطر تعاطي المواد لدى المراهقين، باستخدام دراسة ABCD لتوضيح كيف يمكن للرقابة الصارمة على جودة البيانات وهندسة الميزات الشفافة أن تعالج تحديات مثل التعامل مع القيم المتطرفة، والاختلافات بين المنصات، والانحرافات في البروتوكول.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول فهم العادات اليومية للمراهقين من خلال مراقبتهم عبر النافذة. قد تراهم وهم نائمون، أو يمشون، أو يحدقون في هواتفهم، لكنك لا تستطيع رؤية الصورة الكاملة ما لم تكن داخل الغرفة معهم. لعقود من الزمن، اعتمد العلماء على المراهقين لملء استبيانات حول حياتهم، وسؤالهم عن عدد ساعات نومهم أو مقدار حركتهم. لكن الذاكرة معرضة للخطأ، وغالباً ما ينسى الناس عاداتهم أو يبلغون عنها بشكل غير دقيق. يتضمن النهج الأحدث منح الشباب هواتف ذكية وأجهزة تتبع لياقة بدنية قابلة للارتداء تسجل بهدوء حركاتهم، وأنماط نومهم، واستخدامهم للهواتف في العالم الحقيقي. هذه الطريقة، المعروفة باسم الاستشعار السلبي، توفر نافذة على السلوك تتسم بالاستمرارية والموضوعية. ومع ذلك، فإن مجرد تسجيل الجهاز للبيانات لا يعني أن تلك البيانات دقيقة دائماً أو سهلة الاستخدام؛ فقد تتعطل الأجهزة، أو يحدث خلل في البرامج، كما أن طريقة تفاعل المراهقين مع التكنولوجيا تختلف بشكل هائل. وقبل أن يتمكن العلماء من استخدام هذا التدفق من المعلومات للتنبؤ بالمخاطر الصحية، مثل احتمالية بدء المراهق في استخدام المخدرات أو الكحول، يجب عليهم أولاً تعلم كيفية تنظيف البيانات، وتحديد أي الأرقام هي حقيقية وأيها مجرد أخطاء.
لقد شرع فريق من الباحثين في حل هذه المشكلات المعقدة باستخدام بيانات من دراسة واسعة النطمة وطويلة الأمد للشباب الأمريكي تُسمى "دراسة تطور الدماغ والإدراك لدى المراهقين". ركزوا على مجموعة تضم ما يقرب من 5000 مراهق كان عمرهم حوالي 13 أو 14 عاماً، وكانوا قد وافقوا على ارتداء جهاز تتبع اللياقة البدنية واستخدام تطبيق خاص على هواتفهم لمدة ثلاثة أسابيع. كان الهدف هو معرفة ما إذا كانت الأنماط الموجودة في هذه البيانات الرقمية يمكن أن تساعد في تحديد الشباب الأكثر عرضة لخطر استخدام المواد المخدرة. ولكن عندما بدأوا في النظر إلى الأرقام، وجد الباحثون أن البيانات لم تكن مثالية على الإطلاق. فقد سجل بعض المراهقين أياماً قليلة فقط من النشاط، بينما سجل آخرون أسابيع من البيانات. وكان لدى البعض قراءات غريبة، مثل النوم لمدة 24 ساعة متواصلة أو عدم الحركة على الإطلاق. كان على الفريق اكتشاف كيفية التعامل مع هذه الحالات الشاذة دون التخلص من السلوكيات التي قد تشير إلى وجود مشكلة.
اكتشف الباحثون أن الأرقام الأكثر تطرفاً وغير المحتملة جاءت عادةً من المراهقين الذين ارتدوا أجهزتهم لأقل فترة ممكنة. فإذا ارتدى الشخص جهاز التتبع ليوم واحد فقط وصادف أن يكون خاملاً جداً في ذلك اليوم، فقد يحسب الكمبيوتر أنه غير نشط طوال الوقت. أشار هذا إلى أن الأرقام الغريبة لم تكن بالضرورة علامات على نمط حياة خطير، بل كانت علامات على أن البيانات غير مكتملة. وبدلاً من حذف كل نقطة بيانات تبدو غريبة، قرر الفريق النظر إلى الشخص أولاً. وضعوا قاعدة تقضي بوجوب توفر خمسة أيام عمل ويومي عطلة نهاية أسبوع على الأقل من البيانات للمراهق ليتم تضمينه في الدراسة. سمح هذا النهج بالاحتفاظ بالمراهقين الذين لديهم أنماط نوم أو نشاط غير منتظمة، طالما أن لديهم ما يكفي من البيانات لإثبات أن هذه الأنماط حقيقية وليست مجرد صدفة ناتجة عن يوم سيئ واحد. ومن خلال القيام بذلك، حافظوا على الواقع الفوضوي وغير المنتظم لحياة المراهقين، وهو المكان الذي غالباً ما تختبئ فيه أهم الأدلة حول المخاطر الصحية.
وجد الفريق أيضاً أن نوع الهاتف الذي يستخدمه المراهق يغير البيانات بطرق مفاجئة. استخدمت الدراسة نظاماً لتسجيل الوقت الذي يقضيه المراهقون في الكتابة على هواتفهم. ومع ذلك، عمل النظام بشكل مختلف على هواتف آيفون مقارنة بهواتف أندرويد. في هواتف آيفون، لم يستطع النظام تسجيل الكتابة ما لم ينتقل المستخدم إلى لوحة مفاتيح خاصة يوفرها البحث. اشتبه الباحثون في أن العديد من مستخدمي آيفون وجدوا هذا التبديل مزعجاً وعادوا إلى لوحة المفاتيح العادية الخاصة بهم، مما يعني أن الدراسة أغفلت الكثير من نشاط الكتابة لديهم. وعندما قارنوا البيانات المسجلة بما قاله المراهقون عما فعلوه، وجدوا أن مستخدمي آيفون يبدون وكأنهم يكتبون أقل بكثير مما يفعلون في الواقع، خاصة عندما يكون استخدامهم منخفضاً. وهذا يعني أن البيانات لم تكن مختلفة فحسب، بل كانت منحازة بشكل منهجي ضد فئة معينة. وخلص الباحثون إلى أنه لا يمكنهم ببساطة دمج البيانات من كلا نوعي الهواتف معاً دون مراعاة هذا الفرق، وكان عليهم التعامل مع نظام تشغيل الهاتف كعامل رئيسي في تحليلهم.
كان التحدي الآخر هو تحديد الأيام التي يجب احتسابها. كان للدراسة نافذة محددة مدتها ثلاثة أسابيع حيث كان الباحثون يراقبون المشاركين بنشاط. ومع ذلك، استمرت الأجهزة في تسجيل البيانات قبل بدء الدراسة وبعد انتهائها. قارن الباحثون السلوك خلال أسابيع الدراسة الرسمية بالسلوك خلال الأيام الإضافية. ووجدوا أن المراهقين يتصرفون بشكل مختلف عندما يعرفون أنهم مراقبون مقابل عندما لا يكونون كذلك. خلال الأسابيع الرسمية، كانت أنماط نومهم ونشاطهم متسقة مع بعضها البعض. ولكن في الأيام خارج نافذة الدراسة، أصبحت الأنماط مضطربة وغير متوقعة. أدى هذا بالفريق إلى اتخاذ قرار بأن البيانات التي تم جمعها خلال فترة الثلاثة أسابيع الرسمية فقط هي الموثوقة بما يكفي للاستخدام. لقد استبعدوا الأيام الإضافية، مدركين أن المزيد من البيانات ليس أفضل دائماً إذا كانت تلك البيانات تأتي من سياق مختلف.
أخيراً، كان على الباحثين بناء الأدوات اللازمة لتحويل هذه الأرقام الخام إلى شيء يمكن للحاسوب فهمه. كان عليهم إنشاء سمات لا تصف فقط مقدار نوم المراهق، بل مدى اتساق نومه أيضاً. كان عليهم معرفة كيفية قياس الفرق بين وقت النوم في الساعة 11:00 مساءً والساعة 1:00 صباحاً دون الارتباك من الطريقة التي تعود بها الساعات إلى منتصف الليل. كما كان عليهم تنظيف الأخطاء في البيانات التي فات المنظمون ملاحظتها، مثل القيم المفقودة التي تم وضع علامة "صفر" عليها بالخطأ، مما يجعل المراهق يبدو وكأنه لم يتحرك أبداً بينما كان يتحرك بالفعل. بعد كل هذا التنظيف والتنظيم الدقيق، بقي لدى الفريق مجموعة أصغر مكونة من 428 مراهقاً، لكنهم كانوا واثقين من أن البيانات من هذه المجموعة جديرة بالثقة.
لا تدعي الورقة البحثية أنها وجدت طريقة مثالية للتنبؤ باستخدام المواد المخدرة، ولا تقول إن المشكلات المتعلقة بالبيانات الرقمية قد حُلت. بدلاً من ذلك، فهي تقدم مجموعة من القواعد العملية للعلماء الآخرين الذين يرغبون في استخدام هذا النوع من البيانات. الدرس الرئيسي هو أن الباحثين بحاجة إلى توخي الحذر في كيفية التعامل مع القيم المتطرفة والمعلومات المفقودة. لا ينبغي لهم مجرد حذف الأرقام الغريبة، لأن تلك الأرقام قد تكون الأهم. كما يجب عليهم التحقق مما إذا كانت البيانات تتغير بناءً على الجهاز المستخدم أو الوقت الذي جُمعت فيه. من خلال اتباع هذه الخطوات، يمكن للعلماء ضمان أن نتائجهم تعكس الحياة الحقيقية للمراهقين الذين يدرسونهم، وليس أخطاء الآلات التي يستخدمونها. يوفر هذا العمل خارطة طريق لتحويل تدفق فوضوي من الإشارات الرقمية إلى صورة واضحة لسلوك المراهقين، مما يمهد الطريق لأدوات أفضل لمساعدة الشباب على البقاء بصحة جيدة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.