Daily symptom reports enable four-phase menstrual cycle tracking without wearables: Implications for equitable digital health
Este estudio demuestra que un modelo híbrido de aprendizaje automático que utiliza la variabilidad diaria de los síntomas autorreportados puede clasificar con precisión cuatro fases del ciclo menstrual sin necesidad de sensores portátiles, ofreciendo una solución escalable y equitativa para el monitoreo de la salud reproductiva global.