来自可穿戴设备数据和大型语言模型的个性化洞察力,以改善福祉

科学领域:

• 数字健康数字健康
• 心理健康研究 心理健康研究
• 行为科学是一种行为科学.

背景情况:

• 一般的健康建议经常失败,原因是身体活动和睡眠等行为如何影响心理健康的个体变化.
• 了解这些个体差异对于有效的心理健康干预至关重要.

研究的目的:

• 调查可穿戴设备衍生的健康行为和情绪之间的个人层面的关联.
• 开发一个个性化,数据驱动的心理健康支持系统,使用数字表型和大语言模型 (LLM).

主要方法:

• 从3,139名参与者收集了一年的连续可穿戴和生态瞬间评估数据.
• 检查了可穿戴产品特征 (例如,唤醒时间,步数) 和情绪之间的个人级别相关性.
• 开发了MoodDriver,这是一个LLM驱动的系统,用于基于参与者数据生成定制反.

主要成果:

• 在影响个人情绪的健康行为中观察到显著的异质性.
• 醒来时间是34.0%的参与者最强烈的情绪驱动因素,步数为10.6%.
• 20.3%的参与者在测量行为和情绪之间没有显著的相关性.

结论:

• 人口层面的健康建议是有限的;个性化,数据驱动的方法对于心理健康至关重要.
• 将数字表型与LLM (MoodDriver) 结合起来,显示了推进精确数字心理健康的可行性.
• 这种方法通过将行为模式转化为可操作的见解,为高风险人群提供量身定制的支持.