相关实验视频
Updated: Jun 8, 2026
07:24
Home-Based Monitor for Gait and Activity Analysis
Published on: August 8, 2019
6.8K
使用智能手机和可穿戴设备的mHealth数据来预测抑郁症症状严重性的挑战:回顾性分析
Shaoxiong Sun1, Amos A Folarin1,2,3,4,5, Yuezhou Zhang1
1Department of Biostatistics & Health Informatics, Institute of Psychiatry, Psychology and Neuroscience, King's College London, London, United Kingdom.
Journal of medical Internet research
|August 14, 2023
概括
使用智能手机和可穿戴设备的数字表型来对主要抑郁症 (MDD) 的客观监测可以改善治疗. 这项研究发现,特定的数据持续时间和特征类型对于准确,纵向跟踪MDD症状至关重要.
科学领域:
- 数字健康数字健康
- 心理健康研究 心理健康研究
- 在医疗保健中的数据科学.
背景情况:
- 大型抑郁症 (MDD) 影响全球数百万人,因主观症状回忆问题而延迟治疗.
- 通过智能手机和可穿戴设备的数字表型进行客观监测,为持续的症状跟踪提供了一个有希望的途径.
- 挑战包括参与者参与,数据质量值,以及理解纵向与横截面分析的功能实用性.
研究的目的:
- 为应对针对重大抑郁症 (MDD) 监测而分析被动数字现象型的挑战.
- 为了确定可靠的特征提取的数据要求,并评估特征实用性来跟踪抑郁.
- 根据与抑郁症严重程度相关的行为模式来分层参与者.
主要方法:
- 利用了479名MDD参与者的智能手机和可穿戴设备数据,提取了21个移动性,睡眠和智能手机使用功能.
- 评估特征质量使用类内相关性和基于数据持续时间的Bland-Altman分析.
- 检查了患者健康问卷 (PHQ-8) 和使用各种统计模型的特征之间的相关性,包括高斯混合模型用于分层.
主要成果:
- 在14天窗口内,至少需要8天的数据才能进行可靠的特征计算.
- 睡眠开始时间与PHQ-8的横截面相关性更强,而睡眠开始后的清醒与纵向相关性更好.
- 参与者成功地根据抑郁和非抑郁时期的行为差异分为3个不同的群体.
结论:
- 建立了MDD研究中可靠的数字表型特征提取数据持续时间要求.
- 区分了特定数字特征对横截面查与纵向追踪抑郁症的实用性.
- 使用被动传感数据展示了MDD行为分层的潜力,为个性化治疗策略铺平了道路.
