A Diffusion-Model Subpopulation Digital Twin for Mobile Health Deployment: A Case Study on the HeartSteps Intervention
用于移动健康部署的扩散模型亚群体数字孪生：HeartSteps 案例AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确以条件时间序列扩散模型生成动态轨迹并验证时序结构，因此选择时间序列；未据模拟干预用途推定因果识别。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
用于移动健康部署的扩散模型亚群体数字孪生：HeartSteps 案例
- 研究问题
- 在移动健康干预部署前，如何构造目标亚群体的模拟用户，重现其时间和个体间结构，以支持候选在线决策算法的比较？
- 方法与思路
- 作者采用未来行动不影响生成过去的条件时间序列扩散模型，依次结合大型观察数据预训练、小型干预微调和专家信息校准。
- 材料陈述的贡献
- 摘要称在 HeartSteps v2 至 v4 的逐次部署前验证中，该方法比简单模拟器更好地重现目标亚群体的时间及参与者间结构。
- 阅读关注点
- 应核对各部署阶段的信息可用时间、目标群体校准方式、时序与个体结构的验证指标，以及模拟干预响应能否支持算法比较。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；时序一致性和模拟拟合不等于因果响应已识别，摘要未说明相应识别条件。
原文摘要
Mobile-health interventions increasingly use online learning and decision making algorithms to personalize when to nudge users toward healthier behavior, but a poorly designed algorithm can burden and disengage participants. New algorithm design decisions should therefore be vetted against realistic simulated users before each real-life deployment. We propose a method to develop ``JITAI-Twins'': digital twins of a target subpopulation for comparing candidate online algorithms before a just-in-time adaptive intervention (JITAI) deployment. The method builds on a conditional time-series diffusion model that is temporally consistent (future actions do not affect the generated past), and it supports repeated updating from three sources of information, in three steps: pre-training on a large observational dataset, fine-tuning on small prior intervention deployments in related populations, and inference-time calibration to the next target population from domain-scientist expertise. We validate the twin at each pre-deployment stage of the long-running HeartSteps series (v2 through v4) of physical-activity suggestion intervention deployments, treating each successive deployment as an upcoming study. The proposed method reproduces the target subpopulation's temporal and between-participant structure better than simpler simulators. These results suggest that our twin can be used to simulate a target deployment before it runs, the prerequisite for testing and informing online algorithm design decisions.