ウェアラブル アルコール バイオ センサーに向けて: 大規模な人間のテストと機械学習アルゴリズムを使用して、新世代の経皮吸収技術からの BAC 推定値の精度を調べる

実験手順: 実験室での研究の目的は、制御された状況で、個人間の TAC-BAC 関係に対する可変アルコール用量と消費速度の影響を捉えることです。 研究室のアルコール投与セッションは、研究開始時（0日目）、研究中間点（7日目）、および研究終了時（14日目）に予定された1週間間隔で開催されます。

アルコール投与手順は、内（アルコール用量）×間（消費率）の参加者設計を採用する。 すべての参加者は、0.03% のピーク血中アルコール濃度 (BAC) レベルを目標として、3 回のラボ セッション中に 3 回分のアルコールを摂取します。 .06%、 0.09% それぞれ。 アルコール投与の順序は、参加者間で相殺されます。 これらの目標ピーク BAC を達成するために各参加者に投与されるアルコールの正確な量は、飲酒率、性別、身長、体重、および年齢を調整する個別の式に基づいて計算されます (Watson et al., (1981) で提供されている式を参照してください)。 ）。 消費速度は参加者間で操作され、同数の参加者が比較的「速い」速度と「遅い」速度でアルコールを消費するように割り当てられます。 飲料の摂取量は、参加者の快適さと飲料投与期間全体の消費を確実にするために監視されます。 飲料の投与後、参加者は 10 分間隔で呼気アルコール濃度 (BrAC) の測定値を提供します。

さらに、ラボの手順中に、参加者は、Skyn デバイスの経皮読み取りに影響を与えることが知られている環境要因にさらされます。 これらの操作により、研究チームは機械学習アルゴリズムをトレーニングして、これらの環境効果を認識およびモデル化できるようになります。 これらの操作には以下が含まれます: 1) 環境アルコール: アルコールを含む一般的な家庭用品 (例えば、手指消毒剤、香水、アルコールを含むローション) は、Skyn の近くでスプレーまたは適用されます。 2) 発汗: 参加者は、研究助手の監督下で、座った姿勢 (つまり、エアロバイク) で 10 ～ 30 分の短い有酸素運動を行うよう求められます。 この簡単なエクササイズは、汗をかく程度の運動をするだけで、それ以上の運動はしないように設計されています。 3) 腕の動き: 参加者は、身体の動き (腕や足など) を個別に行って、そのような動きによって引き起こされたデバイスのシフトが Skyn の測定値に影響を与えるかどうかを判断するよう求められます。

外来手順: 研究のこの部門は、日常的な設定で飲酒している参加者間の TAC-BAC 関係を把握することを目的としています。 歩行評価は14日間にわたって行われます。 実験室セッション 1 では、飲料投与の前に、参加者は自由研究手順に向けられます。 Skyn デバイスは、参加中ずっと着用します。 オリエンテーション中、参加者はモバイル飲酒検知器の使用方法をトレーニングされます。 口中のアルコールによる飲酒検知器の測定値の汚染を避けるために、参加者は、アルコールを最後に飲んでから 5 分間待って測定値を提供するように指示されます。 また、このオリエンテーション セッション中に、参加者は標準的な飲酒報告のトレーニングを受けます (飲酒検知器の測定値を検証するために使用されます)。 歩行評価中、参加者は、スマートフォンを介したランダムなプロンプトとユーザーが開始したプロンプトの両方に応答して、呼気検​​知器の測定値を提供します。 研究の 14 日目に、参加者は最後の研究室セッションに参加し、その間に研究機器を返却し、アンケートに記入して、Skyn を使用した経験と Skyn アプリケーションを採用する可能性について考えるよう求めます。