روش شناسی

آخرین بررسی: ۵ اردیبهشت ۱۴۰۵

LongevityMate داده‌های آزمایش خون، زمینه پوشیدنی اختیاری، اهداف و پاسخ‌های سبک زندگی را به بینش‌های آموزشی تبدیل می‌کند. این صفحه فرآیند سطح بالایی را که ما استفاده می‌کنیم تشریح می‌کند تا کاربران بتوانند بفهمند که هر گزارش، داشبورد و پاسخ Mate چه قدرتی دارد.

1. دریافت و عادی سازی داده ها

ما مقادیر، واحدها و تاریخ‌های نشانگر زیستی را از نتایج آپلود شده یا وارد شده دستی دریافت می‌کنیم. در جایی که کاربران Apple Health یا Health Connect را انتخاب می کنند، می توانیم از خلاصه های پوشیدنی مجاز برای زمینه اضافی نیز استفاده کنیم. ما واحدها را تا جایی که ممکن است عادی می کنیم تا مقادیر را بتوان به طور مداوم در طول زمان مقایسه کرد.

2. گروه بندی و امتیازدهی نشانگرهای زیستی

بیومارکرهای اصلی به هشت دسته سلامتی امتیازدهی شده گروه بندی می شوند. هر دسته از نشانگرهای زیستی Must برای باز کردن قفل امتیاز استفاده می‌کند، سپس نشانگرهای زیستی پشتیبانی را هنگامی که در دسترس هستند برای اصلاح نتیجه جمع می‌کنند. پانل نشانگر زیستی ضروری همچنین شامل هر نشانگر مورد نیاز برای تخمین سن بیولوژیکی است.

پوشش کامل نشانگر در لیست ذکر شده است راهنمای تست.

3. تهیه پیش نویس توصیه به کمک هوش مصنوعی

مؤلفه‌های هوش مصنوعی از زمینه، اهداف، پاسخ‌های ورودی، سیگنال‌های پوشیدنی موجود، و سابقه پیشرفت برای پیش‌نویس پیشنهادهای آموزشی و اولویت‌های اقدام شما، از ساختار نشانگر زیستی شما استفاده می‌کنند. خروجی ها برای حمایت از بحث های آگاهانه با پزشکان در نظر گرفته شده اند، نه جایگزینی آنها.

مرزها و محدودیت های شناخته شده را ببینید محدودیت های هوش مصنوعی صفحه

4. کنترل کاربر و حریم خصوصی

کاربران می توانند ورودی ها را به روز کنند، منابع داده متصل را کنترل کنند، اطلاعات صادر کنند و درخواست حذف کنند. جزئیات رسیدگی به داده ها در ما مستند شده است سیاست حفظ حریم خصوصی و مرزهای استفاده در شرایط خدمات.