Daily symptom reports enable four-phase menstrual cycle tracking without wearables: Implications for equitable digital health
Deze studie toont aan dat een hybride machine learning-model dat gebruikmaakt van dagelijkse zelfgerapporteerde symptoomvariabiliteit nauwkeurig vier menstruatiecycli fasen kan classificeren zonder draagbare sensoren, wat een schaalbare en rechtvaardige oplossing biedt voor wereldwijde reproductieve gezondheidsmonitoring.