一种新的无监督机器学习方法,用于评估优发性双极性障碍患者的姿势动态

科学领域:

• 神经科学是一个神经科学.
• 精神病学是一个精神病学.
• 生物医学工程 生物医学工程

背景情况:

• 双极性障碍 (BD) 的特点是情绪波动,包括情绪低落,躁狂和抑郁状态.
• 在情绪发作期间识别了运动和姿势异常,但在euthymia期间研究较少.
• 优症的姿势动态与 BD 的整体疾病负担之间的关系仍未得到充分研究.

研究的目的:

• 为了研究患有双相情感障碍的euthymic个体的姿势异常.
• 探索这些姿势变化与疾病负担的各种措施之间的联系.
• 了解疾病负担如何影响姿势和睡眠巩固在euthymia期间.

主要方法:

• 通过可穿戴传感器收集了32名BD患者的24小时姿势数据.
• 提取了九个时间域的姿势特征,并进行了无监督的集群.
• 分析了姿势特征与疾病负担的12个临床特征之间的关联.

主要成果:

• 参与者根据白天,晚上或夜间的姿势动态分为三组.
• 较高的疾病负担与减少的姿势变化相关,特别是在白天.
• 频繁的夜间姿势转变和直立姿势与更高数量的终身抑郁情节有关.

结论:

• 患有双相情感障碍的euthymic个体表现出明显的姿势异常.
• 这些姿势变化与疾病负担显著相关,特别是抑郁症发作史.
• 研究结果突出了疾病负担在BD中稳定情绪期间对姿势和睡眠巩固的影响.