Durante a última semana aprimorámos o código do Filtro de Kalman seguindo o modelo biofísico proposto no artigo “Estimation of Core Body Temperature from Skin Temperature, Heat Flux, and Heart Rate Using a Kalman Filter”, de Mark J. Buller et al. Numa fase inicial, calculamos os parâmetros de população a partir do dataset completo por regressão linear — o coeficiente dinâmico (A) e os pesos da temperatura cutânea (costela), temperatura ambiente e frequência cardíaca —, guardando-os em population_prior.json.
Um segundo script importa esses priors e, durante uma janela curta de calibração por participante, adapta três parâmetros individuais: o desvio pessoal, o ruído de processo (Q) e o ruído de observação (R). Com todos os parâmetros calculados, efectuamos a estimação da temperatura interna do corpo e o cálculo das métricas PSI e HI.
Na figura abaixo é possível observar as métricas calculadas. Uma vez que o dataset utilizado inclui a medição da temperatura rectal — a mais próxima da temperatura interna do corpo —, é possível comparar a estimação com os valores reais, tal como demonstrado na figura.
Após estas actualizações, obtivemos um erro quadrático médio de 0,380 °C na estimação da temperatura. Este resultado é corroborado pelo artigo de Yuanzhe Zhao e Jeroen H.M. Bergman, publicado na revista Biocybernetics and Biomedical Engineering, que utilizou o mesmo dataset (PROSPIE, Loughborough University) e obteve um erro quadrático médio muito semelhante (0,390 °C).