在使用可穿戴生物传感器的青少年中预测强迫症发作-A手腕天使可行性研究
Nicole Nadine Lønfeldt1, Kristoffer Vinther Olesen2, Sneha Das2
1Child and Adolescent Mental Health Center, Copenhagen University Hospital-Mental Health Services Copenhagen (CPH), Hellerup, Denmark.
Frontiers in psychiatry
|October 18, 2023
概括
可穿戴生物传感器可以使用生理信号检测青少年的强迫症 (OCD) 发作. 这项技术在现实环境中对强迫症症状的客观监测充满希望.
科学领域:
- 生物医学工程 生物医学工程
- 计算精神病学是一种计算精神病学.
- 数字健康数字健康
背景情况:
- 强迫症 (OCD) 涉及痛苦和行为体现在生理信号中.
- 持续监测这些信号可以客观地测量强迫症症状,帮助预测复发.
- 目前的方法缺乏现实世界,对强迫症情节的持续评估.
研究的目的:
- 探索使用不引人注目的手腕生物传感器和机器学习来捕捉青少年强迫症事件的可行性.
- 调查生理数据,记录的强迫症事件和临床因素之间的关系.
- 为了比较不同机器学习模型在强迫症事件检测方面的性能.
主要方法:
- 九名患有强迫症的青少年 (年龄10-17岁) 在实验室和家中佩戴生物传感器长达8周.
- 收集了生理学数据和自我注册的强迫症事件.
- 机器学习模型 (逻辑回归,RF,feedforward NN,MERF) 使用嵌套交叉验证进行训练和验证.
主要成果:
- 从8名参与者收集了超过2,405小时的数据和1,639个强迫症事件.
- 随机森林 (RF) 和混合效应随机森林 (MERF) 模型显示了最高的准确性 (70%).
- 模型在时间范围内比在患者之间更好地概括,这表明时间模型更有效.
结论:
- 可穿戴生物传感器显示出在青少年日常生活中检测强迫症情节的潜力.
- 机器学习模型可以解释生理信号以识别强迫症事件.
- 需要进行更大规模的研究来完善和验证这些模型的临床应用.
