利用低成本的基于应用程序的步数数据来评估大学生的抑郁和焦虑:一个横截面的移动健康研究
Jiali Huang1, Yuezhou Zhang2, Dongsheng Zhou3
1NingboTech University, Ningbo, 315100, China; School of Information Science and Engineering, Zhejiang Sci-Tech University, Hangzhou, 310018, China.
Journal of affective disorders
|December 17, 2025
概括
步数数据可以帮助大学生选抑郁和焦虑. 分析活动模式揭示了与心理健康的关联,提供了一个低成本的查工具.
科学领域:
- 数字健康数字健康
- 心理健康技术 心理健康技术
- 穿戴式传感器数据分析数据分析
背景情况:
- 全球大学生中抑郁和焦虑率不断上升.
- 传统的主观心理健康查方法的局限性.
- 需要快速,低成本,客观的心理健康检测技术.
研究的目的:
- 调查步数推导特征与抑郁/焦虑严重程度之间的关联.
- 评估机器学习模型在使用被动传感数据对抑郁/焦虑状态进行分类时的有用性.
主要方法:
- 设计了一个低成本的,基于应用程序的系统,用于从578名参与者收集步数和问卷数据.
- 提取了高级步骤指标,包括频率域,非线性特征和周日-周末活动波动.
- 检查了步数特征与抑郁症/焦虑症严重程度之间的关联,并建立了机器学习分类模型.
主要成果:
- 较低的步数,减少生活方式的规律性,以及增加周日-周末活动波动与较高的抑郁症得分有显著联系.
- 下一步计数规律与焦虑严重程度相关.
- 一个用于抑郁症分类的机器学习模型实现了0.802的AUC和71.1%的准确性.
结论:
- 步数数据和衍生特征显示了与抑郁症和焦虑症严重程度的显著关联.
- 被动传感数据具有作为一种可扩展,低成本的心理健康查方法的潜力.
- 需要进一步的研究来确定因果关系并解决潜在的混因素.
