Dev48
ЯЗЫК
  • О нас
  • Услуги
  • Индустрии
  • Технологии
  • Статьи
  • Контакты
Забронировать звонок
    Главная/Статьи/Prilozhenie dlya otslezhivaniya sna vyyavilo svyaz mezhdu zagryazneniem vozduha
Dev48

© 2026 · All rights reserved.

Приложение для отслеживания сна выявило связь между загрязнением воздуха и плохим сном

Источник: Cambridge LTL

Приложение для отслеживания сна выявило связь между загрязнением воздуха и плохим сном

Источник: Cambridge LTL

Анализируя данные, собранные с помощью приложения для отслеживания сна, исследователи обнаружили, что дневное загрязнение воздуха тесно связано с учащением ночного кашля, даже если уровень загрязнения ниже рекомендуемого Всемирной организацией здравоохранения суточного предела воздействия.

26 сентября 2026 г.•Обновлено: 26 сентября 2026 г.

Дневное загрязнение воздуха тесно связано с повышенным уровнем ночного кашля, даже в тех случаях, когда местный уровень загрязнения находится ниже рекомендованного Всемирной организацией здравоохранения (ВОЗ) ежедневного предела воздействия.

Таков тревожный вывод, сделанный группой исследователей с нашего факультета, из Университета Цинхуа и компании Sleep Cycle, занимающейся технологиями для сна.

Исследователи использовали звуки кашля, которые пассивно записывались мобильным приложением Sleep Cycle через микрофон телефонов пользователей. Звуки записывались в 32 городах 12 стран в течение 500 дней. Звуки кашля подсчитывались на отдельных устройствах и объединялись по городам для создания беспрецедентного набора данных такого рода. Исследователи учитывали внешние факторы, которые могли привести к увеличению уровня кашля, такие как погодные условия или уровень заболеваемости гриппом.

Анализ этих анонимизированных данных также показал, что при повышении уровня загрязнения на 10 микрограмм твердых частиц на кубический метр уровень кашля возрастал на 2,4%.

Одним из городов, включенных в набор данных, был Лос-Анджелес, где уровень кашля резко возрос во время лесных пожаров в январе 2025 года. Это послужило квазиестественным экспериментом, который дополнительно подтвердил краткосрочную связь между дневным загрязнением воздуха и ночным кашлем. Результаты опубликованы в журнале Communications Health.

Четыре миллиарда сеансов сна

Sleep Cycle — это мобильное приложение, которое использует звуки, такие как дыхание, храп или кашель, для отслеживания качества сна. Эти звуки записываются локально и анализируются алгоритмом искусственного интеллекта. Технология компании проанализировала более четырех миллиардов сеансов сна, что делает ее полезным дополнением к традиционному эпидемиологическому надзору и исследованиям в области общественного здравоохранения.

«Набор данных от Sleep Cycle очень ценен, поскольку приложение широко используется во всем мире», — говорит Сесилия Масколо, профессор мобильных систем нашего факультета, руководившая исследованием. «Большинство исследований в области общественного здравоохранения располагают данными только из одной страны, поэтому наличие набора данных такого размера значительно повышает их значимость».

Набор данных, не содержащий персональных идентификаторов, включал информацию о звуках кашля десятков тысяч пользователей за 18 месяцев. Исследователи сопоставили данные о кашле с концентрацией PM2.5 на уровне городов, метеорологическими переменными и данными эпиднадзора за гриппом за 18-месячный период. Анализ данных, даже с учетом ежегодного сезона гриппа, когда уровень кашля обычно выше, показал сильную связь между уровнем дневного загрязнения воздуха и частотой ночного кашля.

«Безопасного порога воздействия загрязнения воздуха не существует»

«Это говорит о том, что, возможно, не существует безопасного порога воздействия загрязнения воздуха, хотя наше исследование носит чисто наблюдательный характер», — сказала Масколо. «Тем не менее, люди могут подумать о том, как они могут снизить свое воздействие загрязнения воздуха, например, используя маски или воздушные фильтры».

Читайте полную версию статьи на сайте Кембриджского университета.

  • Тун Ся и др. '.' Communications Health (2026). DOI: 10.1038/s44528-026-00030-5

Тун Ся и др. '.' Communications Health (2026). DOI: 10.1038/s44528-026-00030-5

← Все статьи

Ещё в разделе «AI и машинное обучение»

Все →
Незащищенные агенты OpenAI опубликовали в интернете 53 изображения пользователей без ведома лабораторииПресса
OpenAI

Незащищенные агенты OpenAI опубликовали в интернете 53 изображения пользователей без ведома лаборатории

Создание производственных агентов с помощью Jev и LangGraph
LangChain

Создание производственных агентов с помощью Jev и LangGraph

LangSmith Custom Apps: создавайте пользовательские интерфейсы для данных ваших агентов
LangChain

LangSmith Custom Apps: создавайте пользовательские интерфейсы для данных ваших агентов

В течение нескольких месяцев рои агентов OpenAI атакуют онлайн-базы данных в поисках малоизвестных фактовПресса
OpenAI

В течение нескольких месяцев рои агентов OpenAI атакуют онлайн-базы данных в поисках малоизвестных фактов

Tesla наконец переходит к электрификации грузоперевозок после десятилетия работы и задержекПресса
Tesla

Tesla наконец переходит к электрификации грузоперевозок после десятилетия работы и задержек

Новое в LangSmith: Engine v2, Managed Deep Agents, дообучение (Fine-Tuning) и многое другое
LangChain

Новое в LangSmith: Engine v2, Managed Deep Agents, дообучение (Fine-Tuning) и многое другое

Ещё от Cambridge LTL

«Почему нам следует изменить лицензии авторского права, чтобы остановить злоупотребление ИИ и восстановить контроль со стороны человека»
Cambridge LTL

«Почему нам следует изменить лицензии авторского права, чтобы остановить злоупотребление ИИ и восстановить контроль со стороны человека»

Знакомство со студенческой жизнью на нашем выездном курсе «Женщины в информатике»
Cambridge LTL

Знакомство со студенческой жизнью на нашем выездном курсе «Женщины в информатике»

Stayin' Alive: Как глобальные рынки украденных данных процветают в Telegram
Cambridge LTL

Stayin' Alive: Как глобальные рынки украденных данных процветают в Telegram

Гипотеза Черной Королевы — новый путь развития самообучающегося ИИ
Cambridge LTL

Гипотеза Черной Королевы — новый путь развития самообучающегося ИИ