紫外線量計と自己申告データをネットワークフローフレームワークで統合することで、個人の日焼けの記憶を評価する

Assessing recall of personal sun exposure by integrating UV dosimeter and self-reported data with a network flow framework.

• Nabil Alshurafa
• Jayalakshmi Jain
• Tammy K Stump
• Bonnie Spring
• June K Robinson

抄録

背景:

メラノーマ生存者は、しばしば十分な日焼け対策を行っていないことが多く、日焼けの原因となり、将来のメラノーマ発症リスクを高めている。メラノーマ生存者は、自分が受けた日焼けの程度を正確に記憶していないため、自分の個人的な紫外線曝露量を認識していない可能性があり、この認識の欠如が行動を変えられない一因となる可能性がある。日光曝露のリコールの行動的正確性を判断する手段として、本研究では、屋外での時間の主観的な自己報告と客観的なウェアラブルセンサーとを比較した。屋外での時間に関する自己報告とセンサーの測定値の間の意味のある不一致の分析は、ネットワークフローアルゴリズムを用いて、両方の測定値によって記録された日光曝露イベントを整列させることによって可能になった。2つの測定値を揃えることで、行動の自己報告の偽陽性と偽陰性をより正確に評価し、行動の過不足を報告する参加者の傾向を理解する機会が得られます。

BACKGROUND: Melanoma survivors often do not engage in adequate sun protection, leading to sunburn and increasing their risk of future melanomas. Melanoma survivors do not accurately recall the extent of sun exposure they have received, thus, they may be unaware of their personal UV exposure, and this lack of awareness may contribute towards failure to change behavior. As a means of determining behavioral accuracy of recall of sun exposure, this study compared subjective self-reports of time outdoors to an objective wearable sensor. Analysis of the meaningful discrepancies between the self-report and sensor measures of time outdoors was made possible by using a network flow algorithm to align sun exposure events recorded by both measures. Aligning the two measures provides the opportunity to more accurately evaluate false positive and false negative self-reports of behavior and understand participant tendencies to over- and under-report behavior.

方法:

メラノーマ生存者39人が、夏の10日間連続して屋外で紫外線（UV）センサーを胸に装着し、屋外での行動について1日の終わりに主観的な自己報告を行った。自己報告と客観的なUVセンサーのデータを整列させ、ずれを補正するためにネットワークフロー整列フレームワークを使用した。過少報告と過大報告の頻度と時間帯が特定された。

METHODS: 39 melanoma survivors wore an ultraviolet light (UV) sensor on their chest while outdoors for 10 consecutive summer days and provided an end-of-day subjective self-report of their behavior while outdoors. A Network Flow Alignment framework was used to align self-report and objective UV sensor data to correct misalignment. The frequency and time of day of under- and over-reporting were identified.

発見事項:

評価対象となった269日について、提案されたフレームワークは、ジャカード係数（すなわち、自己報告とUVセンサーデータの類似性の指標）が63.64％（p < 0.001）の有意な増加を示し、偽陰性分が34.43％（p < 0.001）の有意な減少を示した。測定方法を調整した結果、解析した日の51％では、日射時間の過少報告が発生し、より多くの参加者が日射時間を過大報告するよりも過少報告する傾向にありました。日光浴の過少報告率は、午後12-1時から始まったイベントで最も高く、午後5-6時から始まったイベントで2番目に高かった。

FINDINGS: For the 269 days assessed, the proposed framework showed a significant increase in the Jaccard coefficient (i.e. a measure of similarity between self-report and UV sensor data) by 63.64% (p < .001), and significant reduction in false negative minutes by 34.43% (p < .001). Following alignment of the measures, under-reporting of sun exposure time occurred on 51% of the days analyzed and more participants tended to under-report than to over-report sun exposure time. Rates of under-reporting of sun exposure were highest for events that began from 12-1pm, and second-highest from 5-6pm.

結論:

これらの不一致は、最終的にはメラノーマの発症リスクを高める可能性のある日射強度のピーク時（午前10時～午後2時）の日射量を正確に記憶できていないことを反映している可能性があります。この研究は、ウェアラブル・コンピューティング、活動認識の分野に技術的な貢献を提供し、参加者の日射量の認識を改善するための実用的な時間帯を特定します。

CONCLUSION: These discrepancies may reflect lack of accurate recall of sun exposure during times of peak sun intensity (10am-2pm) that could ultimately increase the risk of developing melanoma. This research provides technical contributions to the field of wearable computing, activity recognition, and identifies actionable times to improve participants' perception of their sun exposure.