Daily symptom reports enable four-phase menstrual cycle tracking without wearables: Implications for equitable digital health
Cette étude démontre qu'un modèle d'apprentissage automatique hybride utilisant la variabilité quotidienne des symptômes auto-déclarés peut classer avec précision quatre phases du cycle menstruel sans capteurs portables, offrant ainsi une solution évolutive et équitable pour le suivi de la santé reproductive mondiale.