As instituições de saúde enfrentam um desafio crítico: residentes idosos e pacientes com demência apresentam uma vulnerabilidade acentuada à interrupção circadiana, no entanto, os métodos práticos para avaliar e otimizar a exposição à luz circadiana continuam limitados pelos custos de equipamentos, requisitos de expertise técnica e barreiras de conformidade dos ocupantes. Este artigo apresenta uma estrutura de aprendizado de máquina que prevê a exposição ao estímulo circadiano (CS) a partir de parâmetros ambientais e comportamentais facilmente observáveis, como distância da janela, ângulo da persiana, posição do corpo e direção de visão, sem exigir sensores vestíveis ou equipamentos de medição especializados. Desenvolvido a partir de 512 medições espectrais em um ambiente de lar de idosos ao longo de 13 semanas, modelos de ensemble alcançaram valores R2 de teste de 0,83 (CS Horizontal) e 0,78 (CS Vertical), demonstrando precisão suficiente para a tomada de decisões ambientais. Este trabalho aborda diretamente as barreiras práticas que limitam o cuidado consciente do circadiano em instalações de saúde, fornecendo uma ferramenta disponível para a equipe da instituição sem necessidade de treinamento especializado ou investimento de capital, apoiando assim a otimização ambiental para populações vulneráveis.
Beiglary et al. (Ter,) estudaram esta questão.