从多式传感器数据中剖析"野生"压力的异质性

科学领域:

• 数字卫生技术数字卫生技术
• 计算精神病学是一种计算精神病学.
• 可穿戴传感器数据分析数据分析

背景情况:

• 压力与慢性精神和身体健康状况有关,但个人层面的变化仍然不清楚.
• 了解"在野外"的压力需要强大的方法来收集和分析现实世界的数据.
• 前线医疗保健工作者在COVID-19大流行期间经历了相当大的压力.

研究的目的:

• 调查使用数字健康技术 (DHT) 的前线医疗保健工作人员的压力异质性.
• 从多式联运数据开发和应用可靠的方法来识别和量化"野生"的压力.
• 探索压力反应的个体差异及其潜在的因果结构.

主要方法:

• 通过使用可穿戴设备和智能手机应用程序,在4-6个月内分析了来自365名前线医疗保健工作者的多式联络数据.
• 应用因果发现技术来建模自我报告的症状与DHTs的生理数据之间的关系.
• 在非压力和潜在压力状态下比较因果结构,以确定压力特征.

主要成果:

• 在研究人群中识别潜在压力状态的可靠表示.
• 量化压力反应中个人间和个人内部显著的异质性.
• 证明不同的压力定义 (从主观到生理) 可以作为底层因果结构的变化来表示.

结论:

• 这项研究提供了对前线医疗保健工作者压力的复杂和异质性质的关键见解.
• 数字健康技术提供了一个强大的工具,用于捕捉现实世界的压力动态和个体变化.
• 了解压力的因果基础对于开发个性化干预和支持系统至关重要.