本文内容如下gydF4y2Bae-collection /主题问题:gydF4y2Ba

移动医疗(mhealth) (1770)gydF4y2Ba 数字生物标志物和数字表型(124)gydF4y2Ba 心理健康研究的方法和新工具(305)gydF4y2Ba 移动医疗数据收集和研究(640)gydF4y2Ba 可穿戴设备和传感器(616)gydF4y2Ba 行为改变(510)gydF4y2Ba 精神病学流动保健(318)gydF4y2Ba 抑郁症和情绪障碍;预防自杀(964)gydF4y2Ba 焦虑和应激障碍(759)gydF4y2Ba

发表在gydF4y2Ba在gydF4y2Ba第23卷，第9号(2021):9月gydF4y2Ba

本文的预印本(早期版本)可在gydF4y2Bahttps://preprints.www.mybigtv.com/preprint/22844gydF4y2Ba，首次出版gydF4y2Ba。gydF4y2Ba
使用智能手机传感器特征评估抑郁、焦虑和社交焦虑的变化:纵向队列研究gydF4y2Ba

使用智能手机传感器特征评估抑郁、焦虑和社交焦虑的变化:纵向队列研究gydF4y2Ba

使用智能手机传感器特征评估抑郁、焦虑和社交焦虑的变化:纵向队列研究gydF4y2Ba

本文作者:gydF4y2Ba

约拿MeyerhoffgydF4y2Ba1gydF4y2Ba 作者:OrcidgydF4y2Ba；gydF4y2Ba 托尼刘gydF4y2Ba2gydF4y2Ba 作者:OrcidgydF4y2Ba；gydF4y2Ba 康拉德·P·科丁gydF4y2Ba3、4gydF4y2Ba 作者:OrcidgydF4y2Ba；gydF4y2Ba 莱尔·昂格尔gydF4y2Ba2gydF4y2Ba 作者:OrcidgydF4y2Ba；gydF4y2Ba 苏珊·M·凯泽gydF4y2Ba1gydF4y2Ba 作者:OrcidgydF4y2Ba；gydF4y2Ba 克里斯·J·卡尔gydF4y2Ba5gydF4y2Ba 作者:OrcidgydF4y2Ba；gydF4y2Ba 大卫·C·莫尔gydF4y2Ba1gydF4y2Ba 作者:OrcidgydF4y2Ba
文章gydF4y2Ba 作者gydF4y2Ba 引用的gydF4y2Ba Tweetations (49)gydF4y2Ba 指标gydF4y2Ba

    原始论文gydF4y2Ba

    1gydF4y2Ba美国西北大学预防医学系行为干预技术研究中心，芝加哥，伊利诺伊州gydF4y2Ba

    2gydF4y2Ba美国费城宾夕法尼亚大学计算机与信息科学系gydF4y2Ba

    3.gydF4y2Ba美国费城宾夕法尼亚大学生物工程系gydF4y2Ba

    4gydF4y2Ba美国费城宾夕法尼亚大学神经科学系gydF4y2Ba

    5gydF4y2Ba大胆的软件，芝加哥，伊利诺伊州，美国gydF4y2Ba

    通讯作者:gydF4y2Ba

    大卫·C·莫尔博士gydF4y2Ba

    行为干预技术中心gydF4y2Ba

    预防医学系gydF4y2Ba

    西北大学gydF4y2Ba

    北湖岸博士750号gydF4y2Ba

    10楼gydF4y2Ba

    芝加哥，伊利诺伊州，60611gydF4y2Ba

    美国gydF4y2Ba

    电话:1 312 503 1403gydF4y2Ba

    电子邮件:gydF4y2Bad-mohr@northwestern.edugydF4y2Ba


    背景:gydF4y2Ba对心理健康相关行为的评估通常依赖于自我报告数据。嵌入智能手机的联网传感器可以客观、连续地测量某些行为，而无需持续努力。gydF4y2Ba

    摘要目的:gydF4y2Ba本研究旨在评估手机传感器衍生的行为特征的变化是否与随后的心理健康症状的变化有关。gydF4y2Ba

    方法:gydF4y2Ba这项纵向队列研究检查了连续收集的手机传感器数据和症状严重程度数据，每3周收集一次，持续16周。参与者是通过国家研究登记处招募的。主要结局包括抑郁(8项患者健康问卷)、广泛性焦虑(7项广泛性焦虑障碍量表)和社交焦虑(社交恐惧症量表)严重程度。参与者都是拥有安卓智能手机的成年人。参与者分为4组:多重合并症、抑郁和广泛性焦虑、抑郁和社交焦虑、轻微症状。gydF4y2Ba

    结果:gydF4y2Ba282名参与者的年龄为19-69岁(平均38.9岁，标准差11.9岁)，其中大多数为女性(223/282,79.1%)和白人(226/282,80.1%)。在多重合并症组中，抑郁变化先于GPS特征变化(gydF4y2Ba时间gydF4y2Ba：gydF4y2BargydF4y2Ba=−0.23,gydF4y2BaPgydF4y2Ba= .02点;gydF4y2Ba位置gydF4y2Ba：gydF4y2Bar =gydF4y2Ba−0.36,gydF4y2BaP .001)、运动时间(gydF4y2Bar =gydF4y2Ba0.39;gydF4y2BaP =gydF4y2Ba.03)及使用活动应用程式(gydF4y2Bar =gydF4y2Ba−0.31;gydF4y2BaPgydF4y2Ba<措施)。在抑郁和焦虑组中，抑郁的变化先于GPS特征的变化gydF4y2Ba位置gydF4y2Ba（gydF4y2BargydF4y2Ba=−0.20;gydF4y2BaPgydF4y2Ba=), 03gydF4y2Ba转换gydF4y2Ba（gydF4y2BargydF4y2Ba=−0.21;gydF4y2BaPgydF4y2Ba= 03)。抑郁变化与随后的传感器衍生特征无关。最小症状组无显著相关性。基于传感器的特征与焦虑之间没有关联，基于传感器的特征与社交焦虑之间的关联很小。gydF4y2Ba

    结论:gydF4y2Ba传感器衍生的行为特征的变化与随后的抑郁变化有关，而不是相反，这表明感知行为的变化与随后的症状变化有关。gydF4y2Ba

    [J] .医学与互联网杂志，2013;23(9):e22844gydF4y2Ba

    doi: 10.2196/22844gydF4y2Ba

    关键字gydF4y2Ba

    移动健康gydF4y2Ba；gydF4y2Ba 个人感觉gydF4y2Ba；gydF4y2Ba 数字表现型gydF4y2Ba；gydF4y2Ba 被动传感gydF4y2Ba；gydF4y2Ba 生态瞬时评价gydF4y2Ba；gydF4y2Ba 抑郁症gydF4y2Ba；gydF4y2Ba 焦虑gydF4y2Ba；gydF4y2Ba 数字生物标志物gydF4y2Ba；gydF4y2Ba 数字表现型gydF4y2Ba；gydF4y2Ba 心理健康评估gydF4y2Ba；gydF4y2Ba 移动设备gydF4y2Ba；gydF4y2Ba 移动电话gydF4y2Ba；gydF4y2Ba 互联网技术gydF4y2Ba；gydF4y2Ba 精神疾病gydF4y2Ba；gydF4y2Ba 移动电话gydF4y2Ba


    背景gydF4y2Ba

    活动水平和社会参与等行为与抑郁和焦虑等常见精神健康状况有关[gydF4y2Ba1gydF4y2Ba-gydF4y2Ba4gydF4y2Ba]。通过自我报告测量或访谈对这些行为进行回顾性评估，在很大程度上依赖于回顾性回忆，这容易受到系统性偏差的影响[gydF4y2Ba5gydF4y2Ba，gydF4y2Ba6gydF4y2Ba]。甚至更准确的方法，如生态瞬时评估(EMA)，它在人们的生活过程中获得自我报告的经验[gydF4y2Ba7gydF4y2Ba，gydF4y2Ba8gydF4y2Ba]，在研究环境之外的长时间内没有被证明是实用的[gydF4y2Ba7gydF4y2Ba]。来自可穿戴设备的测量活动水平的加速度计数据也与抑郁症有关[gydF4y2Ba9gydF4y2Ba]，但很多人在头几周内就不再戴了。gydF4y2Ba10gydF4y2Ba]。gydF4y2Ba

    智能手机正变得无处不在。截至2019年，81%的美国人拥有智能手机[gydF4y2Ba11gydF4y2Ba在发达国家和新兴国家，这一比例分别为76%和45%。gydF4y2Ba12gydF4y2Ba]。智能手机已经完全融入了我们的生活，支持着越来越多的活动。智能手机包含嵌入式网络传感器，可以提供连续的、客观的数据，而无需用户的努力，这可以用来产生行为标记。越来越多的研究表明，这些传感器数据可能与常见的心理健康问题有关[gydF4y2Ba13gydF4y2Ba]。从GPS实际测量的访问地点模式、在地点的时间和电话通信中的旅行(如短信、电话和应用程序的使用)中得出的位置特征与抑郁、焦虑和社交焦虑有关[gydF4y2Ba14gydF4y2Ba-gydF4y2Ba17gydF4y2Ba]。gydF4y2Ba

    个人移动传感在增进我们对行为和心理健康之间关系的理解以及推进临床护理方面的潜力已得到广泛认可[gydF4y2Ba18gydF4y2Ba]。然而，尽管有希望，迄今为止的研究有许多弱点。其中许多研究都是在较小的、相对同质的群体中进行的，例如学生[gydF4y2Ba15gydF4y2Ba，gydF4y2Ba16gydF4y2Ba，gydF4y2Ba19gydF4y2Ba-gydF4y2Ba21gydF4y2Ba]。虽然有一些特异性，但位置特征倾向于识别抑郁症[gydF4y2Ba14gydF4y2Ba，gydF4y2Ba15gydF4y2Ba，gydF4y2Ba19gydF4y2Ba，gydF4y2Ba22gydF4y2Ba，gydF4y2Ba23gydF4y2Ba]和交际特征倾向于预测社交焦虑[gydF4y2Ba17gydF4y2Ba]，也有一些研究发现了相反的情况[gydF4y2Ba16gydF4y2Ba，gydF4y2Ba24gydF4y2Ba]。这可能是由于症状和合并症的异质性[gydF4y2Ba25gydF4y2Ba]，这是常见的，但在现有的研究中没有考虑到[gydF4y2Ba13gydF4y2Ba]。gydF4y2Ba

    迄今为止，研究主要集中在使用感知行为特征来估计一个人的状态，无论是存在还是不存在某种状况或症状的严重程度。除了一些例外，他们通常没有评估感知行为特征的能力，以预测症状在未来是否会增加或减少。在少数几项研究中，检测了感知特征预测症状变化的能力，其中一项针对18名双相情感障碍患者的小型研究发现，在智能手机键盘上打字的频率越不一致，未来抑郁症状的严重程度就越高[gydF4y2Ba26gydF4y2Ba]。相对于使用感觉行为来估计一个人的状态的研究，感觉行为和症状变化之间的时间关系受到的关注相对较少。gydF4y2Ba

    目标gydF4y2Ba

    在本研究中，我们在大量参与者样本中检验了传感器特征变化与随后心理健康症状变化之间的时间关系。本探索性研究的目的是评估智能手机传感器特征类别的变化是否与抑郁、焦虑和社交焦虑症状严重程度的变化有关，在所有参与者中以及在基于症状聚类的群体中。gydF4y2Ba


    参与者gydF4y2Ba

    参与者于2019年7月15日至7月26日招募gydF4y2Ba，gydF4y2Ba通过ResearchMatch，一个由国家健康研究所资助的志愿者网络，以及行为干预技术研究注册中心。参与者必须是美国公民和居民，年龄≥18岁，能读英语，拥有安卓智能手机。如果参与者通过自我报告认可被诊断患有严重精神疾病(定义为双相情感障碍、精神分裂症或其他精神障碍)，则被排除在外。参与者在设定的评估点完成措施以及完成EMA检查时获得补偿。完成评估的补偿随着研究时期的进展而增加，因此参与者在早期评估点获得的补偿相对较少，而在研究结束时获得的补偿相对较多。没有任何一次摊款在每个摊款时间点得到超过32.5美元的补偿。招募被宣传为一项关于抑郁症的研究，并故意对抑郁症参与者进行抽样，使至少50%的样本根据8项患者健康问卷(PHQ-8)经历了至少中度抑郁症状的严重程度。gydF4y2Ba

    程序gydF4y2Ba

    参加者下载“被动数据套”[gydF4y2Ba27gydF4y2Ba移动应用程序，它不引人注目地收集手机传感器数据并管理调查。每3周进行一次基于网络的问卷调查。参与者参加了为期16周的研究。所有程序均经西北大学机构审查委员会批准，并在参与前获得所有参与者的知情同意。gydF4y2Ba

    措施gydF4y2Ba

    参与者在基线和每3周完成一次基于网络的症状严重程度评估，直到研究期结束(即第4、7、10、13和16周)。症状测量包括抑郁严重程度(PHQ-8) [gydF4y2Ba28gydF4y2Ba]、广泛性焦虑障碍(广泛性焦虑障碍7项量表[GAD-7]) [gydF4y2Ba29gydF4y2Ba和社交焦虑症(社交恐惧症量表[SPIN]) [gydF4y2Ba30.gydF4y2Ba]。在基线评估点之后，PHQ-8作为EMA调查给予，随后，相对于其他症状测量，有一个额外的评估点(第1周)。gydF4y2Ba

    手机传感器数据包括每5分钟采样一次的GPS坐标、通信信息(即通话记录和持续时间、短信记录和长度)以及打开的应用程序。评估周每3周进行一次，在此期间，参与者被要求每天晚上标记他们访问超过10分钟的语义位置(位置类型)[gydF4y2Ba31gydF4y2Ba]。展示了一系列标明每个地点的地图，参与者选择每个地点的类别(例如，家庭、工作、差事、娱乐、礼拜场所等)。gydF4y2Ba

    数据分析gydF4y2Ba

    手机传感器特征转换gydF4y2Ba
    概述gydF4y2Ba

    我们在分析中考虑了四类手机功能:gps衍生的移动和位置信息、语义位置、应用程序使用和基于电话的通信(电话和短信)。gydF4y2Ba

    为了提高可解释性并减少传感器特征的数量，我们首先基于它们的手机传感器源聚合特征，因为不同的传感器集提供独特的信息。在每个传感器集合中，我们使用单元权重来最大化每个特征集合的可解释性。在可能的情况下，我们使用现有的理论来指导我们的单位聚合。在整个样本中，所有传感器特征都被标准化(以单位方差为中心的均值)，并进行平均，以产生四种传感器类别中的传感器分组。功能的完整列表、功能计算和它们的分组可以在gydF4y2Ba多媒体附录1gydF4y2Ba。gydF4y2Ba

    gps定位和移动gydF4y2Ba

    按照Saeb等人的方法[gydF4y2Ba20.gydF4y2Ba]，我们从测量参与者运动的GPS数据中计算出高级特征，包括位置方差(GPS位置的可变性)、总独特位置簇、位置熵(在位置簇上花费的时间的可变性)、归一化熵、总行驶距离、平均速度和昼夜运动(位置序列遵循24小时模式的程度)。特征被聚合成gydF4y2Ba位置gydF4y2Ba(区位集群与区位方差;表示访问地点的数量和变化)，gydF4y2Ba时间gydF4y2Ba(总熵、归一化熵和昼夜运动;表示在不同地点所花费的时间的可变性)，以及gydF4y2Ba转换gydF4y2Ba(行进距离和速度;表示位置之间的旅行)。gydF4y2Ba

    语义位置gydF4y2Ba

    语义位置类别的标签包括家庭持续时间、工作持续时间、购物持续时间、社会活动持续时间(例如，朋友家和娱乐场所)、宗教活动持续时间(例如，礼拜场所)和锻炼地点持续时间(例如，健身房)。在非评估周期间，使用评估周期间分配的GPS坐标为访问过的位置分配语义标签。这使我们能够估计参与者每天在每个语义位置类别中花费的时间。gydF4y2Ba

    沟通gydF4y2Ba

    将呼入和呼出的电话和短信数量、通话时长和短信长度相加，得到每天的总和。特性组是gydF4y2Ba调用gydF4y2Ba和gydF4y2Ba短信gydF4y2Ba。gydF4y2Ba

    应用程序使用gydF4y2Ba

    在手机前台运行的应用程序每5分钟采样一次。我们汇总得出每日应用使用时长测量结果。根据之前的理论，我们将感兴趣的应用分为三类，即某些应用促进主动使用，而其他应用则引发更被动的使用[gydF4y2Ba32gydF4y2Ba，gydF4y2Ba33gydF4y2Ba]。这一理论基础产生了使用单位权重手动构建的3种应用使用类别。最终分类包括:gydF4y2Ba积极应用gydF4y2Ba(例如，短信、电子邮件和地图)，这需要用户积极参与，才能完成每个应用程序的主要任务，gydF4y2Ba信息消费应用gydF4y2Ba(例如，YouTube和网页浏览器)，其主要目的是被动地消费信息或娱乐gydF4y2Ba社交应用gydF4y2Ba(例如Facebook、Instagram和Snapchat)，它们被认为是社交媒体应用程序，通常被认为是一个独特的应用程序类别[gydF4y2Ba34gydF4y2Ba]。gydF4y2Ba

    人口聚集gydF4y2Ba

    潜在症状模式的异质性可能阻碍观察传感器特征与症状严重程度之间有临床意义的关系的能力[gydF4y2Ba13gydF4y2Ba，gydF4y2Ba35gydF4y2Ba]。我们使用数据驱动的方法，对基线PHQ-8、GAD-7和SPIN项目执行k-means聚类[gydF4y2Ba36gydF4y2Ba]。我们使用肘形启发式选择k=4来选择群集的数量(gydF4y2Ba多媒体附录2gydF4y2Ba）.对这些聚类的定性分析表明，这4组大致对应于(1)agydF4y2Ba最小的症状gydF4y2Ba聚类(n=88)，包括在所有结果测量中平均得分较低的参与者;(2)一个gydF4y2Ba抑郁和gydF4y2Ba社会焦虑gydF4y2Ba包括PHQ-8和SPIN评分以中度为主，但GAD-7评分较低的参与者的群集(n=71);(3)gydF4y2Ba抑郁和焦虑gydF4y2Ba聚类(n=69)，特征为PHQ-8一般为中重度症状，GAD-7为中度症状，SPIN为轻度;a (4)gydF4y2Ba多种并发症gydF4y2Ba群集(n=54)的特点是在所有三种症状测量中评分都较高，在严重范围内评分的比例很大。gydF4y2Ba

    统计方法:传感器变化与症状严重程度变化的相关性gydF4y2Ba

    图1gydF4y2Ba显示了我们使用的策略，延迟了2周，重复测量相关性[gydF4y2Ba37gydF4y2Ba手机传感器特征变化与症状严重程度变化的关系。传感器特征的2周窗口，与之前的研究一致[gydF4y2Ba14gydF4y2Ba，gydF4y2Ba20.gydF4y2Ba]，以保证传感器读数的足够质量，以匹配自我报告问卷的回顾性时间跨度，并最大化可用于分析的数据，同时防止在不同时间点使用重叠的数据源(即症状结果和并发感测行为数据)。对于PHQ-8，我们在整个研究中进行了六次检查，为每个参与者产生了五对更改，而对于GAD-7和SPIN，我们进行了五次检查，为每个参与者产生了四对更改。在分析中，传感器特征的变化被用来估计随后的症状严重程度gydF4y2Ba2gydF4y2Ba−SngydF4y2Ba1gydF4y2Ba与Sx相关gydF4y2Ba2gydF4y2Ba−SxgydF4y2Ba1gydF4y2Ba。对于使用症状严重程度变化来估计随后传感器特征变化的分析，SxgydF4y2Ba2gydF4y2Ba−SxgydF4y2Ba1gydF4y2Ba与Sn′相关gydF4y2Ba2gydF4y2Ba−Sn”gydF4y2Ba1gydF4y2Ba。为了校正多重比较，我们进行了调整计算gydF4y2BaPgydF4y2Ba值来控制错误发现率[gydF4y2Ba38gydF4y2Ba]。gydF4y2Ba

    如果在给定的一对登记日期中缺少一个评估登记，我们对缺少的评估使用个人平均填充方法。任何一对缺少手机传感器数据的评估签到都被从分析中丢弃。功率计算表明，在α为0.05，功率(β)为0.90时，需要255个样本量才能检测到效应大小(correlation， |ρ|)为0.2。gydF4y2Ba

    ‎gydF4y2Ba
    图1所示。传感器窗口在(a)之前，并在(b)进行评估签入。相关性按修正后的(Sx)运行gydF4y2Ba2gydF4y2Ba−SxgydF4y2Ba1gydF4y2Ba、锡gydF4y2Ba2gydF4y2Ba−SngydF4y2Ba1gydF4y2Ba)，并加以纠正gydF4y2Ba2gydF4y2Ba−SxgydF4y2Ba1gydF4y2Ba, Sn”gydF4y2Ba2gydF4y2Ba−Sn”gydF4y2Ba1gydF4y2Ba）.gydF4y2Ba
    查看此图gydF4y2Ba

    参与者gydF4y2Ba

    本研究参与者的流动情况见gydF4y2Ba图2gydF4y2Ba。参与者人口统计和整个样本和参与者集群的基线症状严重程度特征详细见gydF4y2Ba多媒体附录3gydF4y2Ba。gydF4y2Ba

    ‎gydF4y2Ba
    图2。参与者流程图。GAD-7:广泛性焦虑障碍7项量表;PHQ-8: 8项患者健康问卷;SPIN:社交恐惧症清单。gydF4y2Ba
    查看此图gydF4y2Ba

    症状随时间变化gydF4y2Ba

    普通最小二乘回归显示，症状严重程度随时间的变化不显著(PHQ-8:gydF4y2BaPgydF4y2Ba= .80;GAD-7:gydF4y2BaPgydF4y2Ba=点;旋转:gydF4y2BaPgydF4y2Ba= .57)。然而，根据症状测量，参与者内部存在大量差异，PHQ-8、GAD-7和SPIN的平均SDs分别为2.66、3.50和5.90。gydF4y2Ba

    传感器衍生的行为特征改变与随后症状严重程度改变之间的关系gydF4y2Ba

    概述gydF4y2Ba

    表1gydF4y2Ba按症状聚类显示重复测量相关性的主要结果。gydF4y2Ba

    表1。反复测量传感器与症状变化、症状与传感器变化之间的相关性gydF4y2Ba一个gydF4y2Ba。gydF4y2Ba
    特征gydF4y2Ba 重复测量相关性gydF4y2Ba

    		传感器特征的变化与症状测量的变化相关gydF4y2Ba 症状测量的变化与传感器特征的变化相关gydF4y2Ba

    		n值,gydF4y2Ba 景深gydF4y2BabgydF4y2Ba rgydF4y2BarmgydF4y2BacgydF4y2Ba PgydF4y2Ba价值gydF4y2Ba
    (未调整的)gydF4y2Ba    		 PgydF4y2Ba价值gydF4y2Ba
    (修正)gydF4y2BadgydF4y2Ba    		 n值,gydF4y2Ba 景深gydF4y2BabgydF4y2Ba rgydF4y2BarmgydF4y2Ba PgydF4y2Ba价值gydF4y2Ba
    (未调整的)gydF4y2Ba    		 PgydF4y2Ba价值gydF4y2Ba
    (修正)gydF4y2BadgydF4y2Ba
    症状测量:PHQ-8gydF4y2BaegydF4y2Ba

    		完整的样品gydF4y2BafgydF4y2Ba


    		GPS定位功能gydF4y2Ba



    		位置gydF4y2Ba 223gydF4y2Ba 802gydF4y2Ba −0.17gydF4y2Ba <措施gydF4y2Ba <措施gydF4y2Ba 225gydF4y2Ba 801gydF4y2Ba < 0.001gydF4y2Ba .98点gydF4y2Ba .98点gydF4y2Ba



    		时间gydF4y2Ba 223gydF4y2Ba 802gydF4y2Ba −0.12gydF4y2Ba <措施gydF4y2Ba .003gydF4y2Ba 225gydF4y2Ba 801gydF4y2Ba −0.006gydF4y2Ba .86gydF4y2Ba .97点gydF4y2Ba



    		转换gydF4y2Ba 223gydF4y2Ba 802gydF4y2Ba −0.12gydF4y2Ba <措施gydF4y2Ba .003gydF4y2Ba 225gydF4y2Ba 801gydF4y2Ba 0.020gydF4y2Ba 56gydF4y2Ba 总收入gydF4y2Ba


    		语义位置gydF4y2Ba



    		首页gydF4y2Ba
    持续时间gydF4y2Ba    		 −225gydF4y2Ba 806gydF4y2Ba 0.054gydF4y2Ba 13。gydF4y2Ba 23)gydF4y2Ba 224gydF4y2Ba 801gydF4y2Ba 0.017gydF4y2Ba .64点gydF4y2Ba .95gydF4y2Ba



    		工作持续时间gydF4y2Ba 192gydF4y2Ba 700gydF4y2Ba 0.026gydF4y2Ba 50gydF4y2Ba 53gydF4y2Ba 190gydF4y2Ba 691gydF4y2Ba −0.012gydF4y2Ba .74点gydF4y2Ba .97点gydF4y2Ba



    		购物gydF4y2Ba
    持续时间gydF4y2Ba    		 212gydF4y2Ba 767gydF4y2Ba 0.009gydF4y2Ba .80gydF4y2Ba .80gydF4y2Ba 210gydF4y2Ba 210gydF4y2Ba −0.005gydF4y2Ba 多多gydF4y2Ba .97点gydF4y2Ba



    		社会活动时长gydF4y2Ba 219gydF4y2Ba 790gydF4y2Ba −0.062gydF4y2Ba 。08gydF4y2Ba 。gydF4y2Ba 207gydF4y2Ba 207gydF4y2Ba −0.021gydF4y2Ba .57gydF4y2Ba 总收入gydF4y2Ba



    		宗教活动持续时间gydF4y2Ba 54gydF4y2Ba 195gydF4y2Ba −0.084gydF4y2Ba 。gydF4y2Ba 36gydF4y2Ba 44gydF4y2Ba 44gydF4y2Ba −0.14gydF4y2Ba 。08gydF4y2Ba 。31gydF4y2Ba



    		运动地点持续时间gydF4y2Ba 85gydF4y2Ba 314gydF4y2Ba 0.18gydF4y2Ba 措施gydF4y2Ba .005gydF4y2Ba 81gydF4y2Ba 81gydF4y2Ba −0.13gydF4y2Ba 02gydF4y2Ba .30gydF4y2Ba


    		沟通gydF4y2Ba



    		SMS文本gydF4y2Ba
    消息gydF4y2Ba    		 223gydF4y2Ba 796gydF4y2Ba −0.034gydF4y2Ba 点gydF4y2Ba .46gydF4y2Ba 221gydF4y2Ba 790gydF4y2Ba −0.062gydF4y2Ba 。08gydF4y2Ba 。31gydF4y2Ba



    		调用gydF4y2Ba 225gydF4y2Ba 802gydF4y2Ba 0.03gydF4y2Ba .40gydF4y2Ba 50gydF4y2Ba 221gydF4y2Ba 786gydF4y2Ba −0.023gydF4y2Ba 点gydF4y2Ba 总收入gydF4y2Ba


    		应用程序使用gydF4y2Ba



    		积极应用gydF4y2Ba 226gydF4y2Ba 809gydF4y2Ba −0.041gydF4y2Ba 。gydF4y2Ba 36gydF4y2Ba 225gydF4y2Ba 807gydF4y2Ba −0.004gydF4y2Ba .90gydF4y2Ba .97点gydF4y2Ba



    		信息消费应用gydF4y2Ba 225gydF4y2Ba 805gydF4y2Ba 0.026gydF4y2Ba 票价gydF4y2Ba 53gydF4y2Ba 226gydF4y2Ba 809gydF4y2Ba −0.072gydF4y2Ba .04点gydF4y2Ba .30gydF4y2Ba



    		社交应用gydF4y2Ba 208gydF4y2Ba 748gydF4y2Ba 0.073gydF4y2Ba 0。gydF4y2Ba .14点gydF4y2Ba 207gydF4y2Ba 746gydF4y2Ba −0.021gydF4y2Ba .57gydF4y2Ba 总收入gydF4y2Ba

    		子组(特征与校正gydF4y2BaPgydF4y2Ba≥。1omitted)


    		多种并发症gydF4y2Ba



    		位置gydF4y2Ba 41gydF4y2Ba 143gydF4y2Ba −0.36gydF4y2Ba <措施gydF4y2Ba <措施gydF4y2Ba 41gydF4y2Ba 143gydF4y2Ba 0.021gydF4y2Ba .80gydF4y2Ba 公布gydF4y2Ba



    		时间gydF4y2Ba 41gydF4y2Ba 143gydF4y2Ba −0.23gydF4y2Ba .005gydF4y2Ba 02gydF4y2Ba 41gydF4y2Ba 143gydF4y2Ba −0.061gydF4y2Ba .46gydF4y2Ba 2gydF4y2Ba



    		转换gydF4y2Ba 41gydF4y2Ba 143gydF4y2Ba −0.18gydF4y2Ba 03gydF4y2Ba 07gydF4y2Ba 41gydF4y2Ba 143gydF4y2Ba 0.051gydF4y2Ba 55gydF4y2Ba .74点gydF4y2Ba



    		运动地点持续时间gydF4y2Ba 11gydF4y2Ba 41gydF4y2Ba 0.39gydF4y2Ba . 01gydF4y2Ba 03gydF4y2Ba 10gydF4y2Ba 33gydF4y2Ba −0.13gydF4y2Ba 。45gydF4y2Ba 2gydF4y2Ba



    		积极应用gydF4y2Ba 42gydF4y2Ba 146gydF4y2Ba −0.31gydF4y2Ba <措施gydF4y2Ba <措施gydF4y2Ba 42gydF4y2Ba 146gydF4y2Ba 0.10gydF4y2Ba 口径。gydF4y2Ba 2gydF4y2Ba


    		抑郁和焦虑gydF4y2Ba



    		位置gydF4y2Ba 56gydF4y2Ba 204gydF4y2Ba −0.20gydF4y2Ba .005gydF4y2Ba 03gydF4y2Ba 56gydF4y2Ba 202gydF4y2Ba 0.022gydF4y2Ba 综合成绩gydF4y2Ba 总收入gydF4y2Ba



    		转换gydF4y2Ba 56gydF4y2Ba 204gydF4y2Ba −0.21gydF4y2Ba .002gydF4y2Ba 03gydF4y2Ba 56gydF4y2Ba 202gydF4y2Ba −0.17gydF4y2Ba 02gydF4y2Ba 口径。gydF4y2Ba


    		抑郁和社交焦虑gydF4y2Ba



    		位置gydF4y2Ba 61gydF4y2Ba 218gydF4y2Ba −0.17gydF4y2Ba . 01gydF4y2Ba 。08gydF4y2Ba 62gydF4y2Ba 218gydF4y2Ba 0.007gydF4y2Ba .92gydF4y2Ba 公布gydF4y2Ba



    		时间gydF4y2Ba 61gydF4y2Ba 218gydF4y2Ba −0.16gydF4y2Ba 02gydF4y2Ba 。08gydF4y2Ba 62gydF4y2Ba 218gydF4y2Ba 0.025gydF4y2Ba 点gydF4y2Ba 公布gydF4y2Ba



    		社会活动gydF4y2Ba 60gydF4y2Ba 214gydF4y2Ba −0.17gydF4y2Ba . 01gydF4y2Ba 。08gydF4y2Ba 57gydF4y2Ba 208gydF4y2Ba 0.006gydF4y2Ba 公布gydF4y2Ba 公布gydF4y2Ba
    症状测量:SPINgydF4y2BaggydF4y2Ba

    		抑郁和社交焦虑(特征已纠正)gydF4y2BaPgydF4y2Ba≥。1omitted)


    		调用gydF4y2Ba 66gydF4y2Ba 195gydF4y2Ba 0.25gydF4y2Ba <措施gydF4y2Ba .005gydF4y2Ba 66gydF4y2Ba 193gydF4y2Ba -0.045gydF4y2Ba 53gydF4y2Ba 收gydF4y2Ba

    一个gydF4y2Ba传感器特征与随后的8项患者健康问卷(PHQ-8)症状或PHQ-8症状与随后的传感器特征之间没有显著关联gydF4y2Ba最小的症状gydF4y2Ba组。在任何亚组中，传感器特征与随后的广泛性焦虑障碍7项量表(GAD-7)症状或GAD-7症状与随后的传感器特征之间也没有显著关联。gydF4y2Ba

    bgydF4y2BaDof = n (k−1)，其中n为参与者总数，k为每个参与者的平均观察数。gydF4y2Ba

    cgydF4y2Ba重复测量相关系数。gydF4y2Ba

    dgydF4y2BaBenjamini-Hochberg纠正gydF4y2BaPgydF4y2Ba值。相同的gydF4y2BaPgydF4y2Ba值是由于Benjamini-Hochberg修正的递归定义;这是可以纠正的gydF4y2BaPgydF4y2Ba值必须相同，特别是对于不显著的相关性。gydF4y2Ba

    egydF4y2BaPHQ-8:患者健康问卷-8项。gydF4y2Ba

    fgydF4y2Ba完整的结果提供了患者健康问卷-8的完整样本的项目结果，仅显示所有感知的行为特征。此后只有关系与改正gydF4y2BaPgydF4y2Ba<。1一个redisplayed.

    ggydF4y2BaSPIN:社交恐惧症清单。gydF4y2Ba
    位置特征gydF4y2Ba

    个体的运动模式与随后的心理症状，特别是抑郁症状的变化有关。gps衍生的变化gydF4y2Ba位置gydF4y2Ba在三个症状群中的两个与PHQ-8的变化呈负相关，gydF4y2Ba多种并发症gydF4y2Ba（gydF4y2Bar =gydF4y2Ba−0.36;gydF4y2BaPgydF4y2Ba<措施),gydF4y2Ba抑郁和焦虑gydF4y2Ba（gydF4y2BargydF4y2Ba= .20;gydF4y2BaPgydF4y2Ba=.03)，全样本(gydF4y2Bar =gydF4y2Ba−0.17;gydF4y2BaPgydF4y2Ba<.001)，并有显著性趋势gydF4y2Ba抑郁和社交焦虑gydF4y2Ba集群(gydF4y2Bar =gydF4y2Ba−0.16;gydF4y2BaPgydF4y2Ba=.08)，但结果无统计学意义。gps衍生的变化gydF4y2Ba时间gydF4y2Ba与PHQ-8的变化负相关gydF4y2Ba多种并发症gydF4y2Ba集群(gydF4y2BargydF4y2Ba=−0.23;gydF4y2BaPgydF4y2Ba=.02)和全样本(gydF4y2BargydF4y2Ba=−0.12;gydF4y2BaPgydF4y2Ba=.003)，并趋于显著gydF4y2Ba抑郁和社交焦虑gydF4y2Ba集群(gydF4y2Bar =gydF4y2Ba−0.16;gydF4y2BaPgydF4y2Ba=.08)，但结果无统计学意义。gps衍生的变化gydF4y2Ba转换gydF4y2Ba的PHQ-8变化呈负相关gydF4y2Ba抑郁和焦虑gydF4y2Ba集群(gydF4y2Bar =gydF4y2Ba−0.21;gydF4y2BaPgydF4y2Ba=.03)和全样本(gydF4y2Bar =gydF4y2Ba−0.12;gydF4y2BaPgydF4y2Ba=.003)，并趋于显著gydF4y2Ba多种并发症gydF4y2Ba集群(gydF4y2BargydF4y2Ba=−0.18;gydF4y2BaPgydF4y2Ba=.07)，但结果无统计学意义。两者之间没有显著的关系gydF4y2Ba最小的症状gydF4y2BaGPS特征与GAD-7或SPIN的后续变化之间没有显著关系。gydF4y2Ba

    某些类型的语义位置也与PHQ-8的变化有关。在抑郁和社交焦虑组中，存在显著的趋势gydF4y2Ba社会活动时长gydF4y2Ba，与PHQ-8 (gydF4y2BargydF4y2Ba=−0.17;gydF4y2BaPgydF4y2Ba=.08)，但结果无统计学意义。在gydF4y2Ba多种并发症gydF4y2Ba症状集群和完整样本，gydF4y2Ba运动地点gydF4y2Ba与随后PHQ-8评分的变化呈正相关(gydF4y2Ba多种并发症gydF4y2Ba集群:gydF4y2Bar =gydF4y2Ba0.39,gydF4y2BaPgydF4y2Ba= .03点;完整的示例:gydF4y2Bar =gydF4y2Ba0.18,gydF4y2BaPgydF4y2Ba= .005)。运动地点的变化和PHQ-8的变化之间的这种意想不到的联系可能是由于没有在运动地点花费时间的个体占多数(即，零变化gydF4y2Ba运动地点gydF4y2Ba从在运动场所花费的时间为零开始)，从而夸大了一些个体的数据，这些个体在运动场所花费的时间增加，PHQ-8增加。PHQ-8最小症状群内无显著相关性，语义定位特征与GAD-7或SPIN的后续变化无显著相关性。gydF4y2Ba

    电话gydF4y2Ba

    在gydF4y2Ba抑郁和社交焦虑gydF4y2Ba基线组，呼叫的增加与SPIN分数的增加相关(gydF4y2BargydF4y2Ba= 0.25;gydF4y2BaP 措施)。gydF4y2Ba

    应用程序使用gydF4y2Ba

    的变化gydF4y2Ba活跃应用使用情况gydF4y2Ba负相关(gydF4y2Bar =gydF4y2Ba−0.31;gydF4y2BaPgydF4y2Ba<.001)， PHQ-8评分变化gydF4y2Ba多种并发症gydF4y2Ba集群。gydF4y2Ba

    症状严重程度的改变与随后传感器衍生行为特征的改变之间的关联gydF4y2Ba

    任何症状严重程度测量的变化与随后的传感器衍生行为特征的变化之间没有显著的相关性。gydF4y2Ba

    缺失的数据gydF4y2Ba

    在所有治疗周中，PHQ-8评估的缺失(即所有282名参与者的缺失观察数/可能观察数的总数)(277/1692,16.37%)高于GAD-7(104/1410, 7.38%)和SPIN(104/1410, 7.38%)。PHQ-8评估通过我们的智能手机应用程序进行，而GAD-7和SPIN评估通过REDCap(研究电子数据采集)进行[gydF4y2Ba39gydF4y2Ba]。此外，跨症状结果测量和相对于基线症状水平(gydF4y2Ba多媒体附录3gydF4y2Ba)，缺少评估的患者往往有稍高的基线症状严重程度(PHQ-8范围:10.94-12.82;GAD-7范围:9.95-11.5;自旋范围:24.52-27.48)。gydF4y2Ba


    主要研究结果gydF4y2Ba

    在抑郁症状加重的人群中，许多手机传感器衍生的行为特征的变化与随后心理健康症状的变化有关。然而，症状的变化与随后的行为特征变化无关。GPS定位特征与各症状组抑郁严重程度的后续变化有着相当一致的负相关关系，尽管关联度不大。这与之前一些相对较小的研究一致，这些研究表明GPS特征与抑郁症之间存在相关性[gydF4y2Ba14gydF4y2Ba，gydF4y2Ba19gydF4y2Ba，gydF4y2Ba20.gydF4y2Ba，gydF4y2Ba22gydF4y2Ba，gydF4y2Ba40gydF4y2Ba，gydF4y2Ba41gydF4y2Ba]。这项规模更大的研究证实了这些早期的发现，重要的是，它表明了一种定向关系，即GPS特征与随后抑郁症状的增加或减少有关，但与焦虑或社交焦虑无关。gydF4y2Ba

    人们访问的地点类型(工作、购物等)与抑郁变化的关系不太一致。这并不一定意味着特定的地点在个人层面上是不重要的:一个人可能喜欢购物，而另一个人可能讨厌购物。然而，这表明，无论目的地或地点如何，穿越地理空间的运动模式都是抑郁症患者症状变化的指标。我们推测，这可能反映了通过地理运动表达的动机的丧失。更有可能的是，神经认知机制的变化，如执行控制、情感和动机，既影响抑郁，也影响通过地理空间运动的基本机制[gydF4y2Ba42gydF4y2Ba，gydF4y2Ba43gydF4y2Ba]。gydF4y2Ba

    参与者经历的不同症状星座影响了一些感知行为在预测结果中的显著性。例如，仅在gydF4y2Ba抑郁和社交焦虑gydF4y2Ba症状群是指在与社交活动相关的地点所花费的时间与随后抑郁症状的变化相关(在趋势水平上)，这表明尽管地点通常对抑郁预测有用，但当出现社交焦虑症状时，社交活动可能特别有用。gydF4y2Ba活跃应用使用情况gydF4y2Ba(发短信、发电子邮件和打地图)与患有多种或更严重合并症的人的抑郁变化有关。虽然GPS特征通常是有用的，但整合时间和地点的特征在共病广泛性焦虑患者中没有用处，测量地点之间过渡的特征在共病社交焦虑患者中没有用处。因此，有支持的概念，症状星座是一些特征的重要考虑因素。gydF4y2Ba

    在以抑郁和社交焦虑为特征的群体中，电话次数的增加与社交焦虑症状的增加有关。尽管有这一发现，但传感器衍生特征与社交焦虑症状变化相关的能力并不像抑郁症状那样一致。此外，我们没有发现传感器衍生特征与广泛性焦虑症状变化之间的任何关联。gydF4y2Ba

    这些发现表明，传感器衍生的行为特征是客观的，可以通过减少参与者的努力获得，可以成为研究某些行为在改变抑郁症状严重程度中的作用的有用工具。关于移动传感的临床潜力有很多推测[gydF4y2Ba18gydF4y2Ba，gydF4y2Ba44gydF4y2Ba]。效应大小是适度的，尽管与许多其他研究一致，这些研究检验了使用感知行为特征来估计症状的存在或严重程度[gydF4y2Ba16gydF4y2Ba，gydF4y2Ba19gydF4y2Ba]。本研究不支持单独使用手机传感器数据来监测心理健康人群的症状变化;然而，手机传感器数据在与其他联网传感工具(如可穿戴设备)结合使用时可能很有用。手机传感器数据可能对数字心理健康干预有用[gydF4y2Ba45gydF4y2Ba]。即时适应干预措施[gydF4y2Ba46gydF4y2Ba，gydF4y2Ba47gydF4y2Ba使用个性化的数据来预测风险，并提供可适应环境的干预材料。这些方法越来越多地应用于数字卫生干预措施，例如确定何时发送信息以增加步数等身体活动[gydF4y2Ba48gydF4y2Ba]。在适当的时候传递激励信息，加强行为激活策略，比如去一个新的地方，在家庭或工作之外花更多的时间，或者参加社交活动，有可能提高这些工具的参与度，减少抑郁。gydF4y2Ba

    限制gydF4y2Ba

    这项研究有几个局限性。首先，本研究的探索性需要谨慎地解释结果，并要求未来的工作必须明确地测试这些结果产生的先验假设。接下来，尽管我们在感觉行为改变和随后症状严重程度的变化之间建立了显著的时间关系，但我们的研究不是实验性的，也没有建立因果关系。此外，我们的传感器特征聚合仅限于单个传感器源，并且是为了最大化可解释性而构建的;然而，使用数据驱动聚合的未来研究是必要的，以帮助告知跨传感器模式的特征聚合。尽管跨传感器模式的聚合对可解释性提出了挑战，但未来研究跨传感器聚合的工作可能会改进对感知行为的估计，并随后与症状变化产生更强的关联。此外，尽管这些发现为感知行为改变与随后的抑郁变化相关的假设提供了一些支持，而不是相反，但本研究检查了传感器特征的变化与随后的症状严重程度测量变化之间的关联滞后2周，因此不应推广到2周窗口之外的时间段。另一个限制是，我们的样本只包括那些使用安卓设备并同意参与这项研究的人。应用程序的使用和通信数据并不适用于iOS设备。关于数据缺失，在所有调查中，数据缺失的个体的基线症状严重程度高于整体样本，尽管不是很明显; thus, data were missing not at random. These missingness rates are in line with established criteria that are often used as the standard for good trial data [49gydF4y2Ba]。最后，尽管我们控制了多个分析，但我们仍然警告不要过度解释需要在未来研究中重复的更孤立的发现。gydF4y2Ba

    结论gydF4y2Ba

    带有联网传感器的智能手机无处不在，这为识别与心理健康相关的行为标记开辟了新的机会，这些标记可以持续而毫不费力地获得。通过地理空间移动的变化与随后抑郁症状的变化始终相关;然而，没有证据表明抑郁的变化与随后感知行为的变化有关。这支持了一种方向关系，即运动模式的改变先于症状的改变，但症状的改变并不先于运动行为的改变。gydF4y2Ba

    致谢gydF4y2Ba

    这项工作得到了国家精神卫生研究所(5R01MH111610)对DCM和KPK的资助。DCM对研究中的所有数据有完全的访问权，并对数据的完整性和数据分析的准确性负责。JM由国家精神卫生研究所(T32MH115882)资助。内容完全是作者的责任，并不一定代表美国国立卫生研究院的官方观点。gydF4y2Ba

    利益冲突gydF4y2Ba

    DCM已经接受了来自苹果公司、Pear Therapeutics、大冢制药和One Mind Foundation的咨询费。他还接受了牛津出版社的版税，并拥有Adaptive Health, Inc.的所有权权益。SMK接受了Adaptive Health, Inc.的咨询费。CJK是Audacious Software, LLC的创始人和唯一的开发者，该公司为各种学术、非营利和商业实体提供学术和研究软件开发，这些实体与对这项工作的贡献类似。没有其他作者有任何竞争利益要申报。gydF4y2Ba

    ‎gydF4y2Ba
    多媒体附录1gydF4y2Ba

    传感器特性和分组。gydF4y2Ba

    PDF档案(adobepdf档案)，139kbgydF4y2Ba
    ‎gydF4y2Ba
    多媒体附录2gydF4y2Ba

    症状聚集肘形图。gydF4y2Ba

    PDF档案(adobepdf档案)，132kbgydF4y2Ba
    ‎gydF4y2Ba
    多媒体附录3gydF4y2Ba

    人口统计和基线特征。gydF4y2Ba

    PDF档案(adobepdf档案)，135kbgydF4y2Ba
    1. Cacioppo JT, Hawkley LC, list RA。感知到的社会孤立让我感到悲伤:芝加哥健康、老龄化和社会关系研究中孤独感和抑郁症状的5年交叉滞后分析。心理医学杂志;2010;25(2):453-463 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    2. 刘建军，刘建军，刘建军。坐，走，出汗:身体活动模式，焦虑和抑郁之间的纵向联系。中华精神病学杂志，2017;47(8):1466-1477。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    3. 王晓东，王晓东，王晓东，等。30年成人生活中抑郁症状与身体活动的双向关联研究。美国精神病学杂志2014年12月1日;71(12):1373-1380。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    4. Da Silva MA, Singh-Manoux A, Brunner EJ, Kaffashian S, Shipley MJ, Kivimäki M，等。身体活动与焦虑和抑郁症状之间的双向关联:白厅II研究。中华流行病学杂志，2012;27(7):537-546 [J]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    5. A，卡纳曼d。可用性:一种判断频率和概率的启发式方法。心理心理学杂志，1993,5(2):207-232。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
    6. 李建平，李建平，李建平，等。中华精神病学杂志2008;4:1-32。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    7. Csikszentmihalyi M. In: de Vries，编辑。精神病理学的经验:在自然环境中调查精神障碍。剑桥:剑桥大学出版社;1992.gydF4y2Ba
    8. Killingsworth MA, Gilbert DT。心不在焉是不快乐的。Science 2010年11月12日;330(6006):932 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    9. Cruz BD, Alfonso-Rosa RM, McGregor D, Chastin SF, Palarea-Albaladejo J, Cruz JD。久坐行为与抑郁症状相关:来自3233名美国成年人和老年人代表性样本的成分数据分析，使用加速度计进行评估。[J]情感障碍2020年3月15日;265:59-62。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    10. 可穿戴设备的废弃现象。第18届IEEE移动数据管理(MDM)国际会议论文集。2017年发表于:第18届IEEE移动数据管理(MDM)国际会议;2017年5月29日至6月1日;大田，韩国(南)第392-393页。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
    11. 美国移动设备拥有量和采用率的人口统计数据。皮尤研究中心，2021。URL:gydF4y2Bahttps://www.pewresearch.org/internet/fact-sheet/mobile/gydF4y2Ba[2021-08-10]访问gydF4y2Ba
    12. 世界各地的智能手机拥有率正在迅速增长，但并不总是平等的。皮尤研究中心，2019年2月gydF4y2Bahttps://www.pewresearch.org/global/2019/02/05/smartphone-ownership-is-growing-rapidly-around-the- world-but-not-always-equally /gydF4y2Ba[2021-08-10]访问gydF4y2Ba
    13. 张明，张晓明，张晓明。个人感知:利用无处不在的传感器和机器学习了解心理健康。2017年05月08日;13:23-47。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    14. Saeb S, Zhang M, Karr CJ, Schueller SM, Corden ME, Kording KP，等。手机传感器与日常生活行为中抑郁症状严重程度相关的探索性研究。医学互联网研究，2015年7月15日;17(7):e175 [J]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    15. 魏思，岳晨，Morillo R，陆军，尚昌，毕军，等。利用智能手机数据预测抑郁症状。智慧健康2020;03:100093。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
    16. 周皮，傅康，黄勇，Bonelli W，熊辉，Barnes LE，等。运用移动传感技术测试大学生抑郁、社交焦虑、状态影响和社交孤立的临床模型。医学互联网研究，2017年3月03日;19(3):e62 [J]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    17. 高燕，李安，朱婷，刘霞，刘霞。智能手机使用与社交焦虑和孤独感的关系。中国医学工程学报，2016;4:2197 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    18. 数字表现型:行为学新科学的技术。中华医学杂志，2017,32(3):1215-1216。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    19. 刘建平，刘建平，刘建平，等。行为与内省:通过智能手机感知数据改进临床抑郁症的预测。见:IEEE无线健康(WH)论文集。2016年发表于:IEEE Wireless Health (WH);2016年10月25-27日;美国马里兰州贝塞斯达［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
    20. Saeb S, Lattie EG, Schueller SM, Kording KP, Mohr DC。手机定位传感器数据与抑郁症状严重程度的关系。中国医学工程学报，2016;4:537 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    21. Seppälä J, De Vita I, Jämsä T, miiettunen J, Isohanni M, Rubinstein K, M- resist Group等。基于移动电话和可穿戴传感器的移动医疗方法治疗精神疾病和症状:系统综述。中华医学杂志2019年2月20日;6(2):e9819 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    22. Palmius N, Tsanas A, Saunders KE, Bilderbeck AC, Geddes JR, Goodwin GM等。从地理位置数据检测双相抑郁症。生物医学工程学报，2017,36 (8):1761-1771 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    23. 刘建军，刘建军，刘建军，等。基于智能手机移动轨迹分析的抑郁状态监测研究。2015年ACM普适与泛在计算国际联合会议论文集。2015年:UbiComp’15:2015年ACM普适与泛在计算国际联合会议;2015年9月7日- 11日;日本大阪，第1293-1304页。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
    24. Razavi R, Gharipour A, Gharipour M.使用手机使用元数据进行抑郁症筛查:一种机器学习方法。医学信息学报，2020,27(4):522-530。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    25. 维滕格JR，克拉克LA，史密斯JA，塞西ME，贾勒特RB。共病的社交和其他焦虑障碍是否可以预测抑郁症认知治疗期间和之后的结果?[J]心理疾病[J]; contemporary medicine; 2009;24 (2): 391 - 391 [J]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    26. Stange JP, Zulueta J, Langenecker SA, Ryan KA, Piscitello A, Duffecy J，等。让你的手指说话:被动打字的不稳定性预示着未来的情绪结果。躁郁症2018,08;20(3):285-288 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    27. 被动数据工具包。Audacious Software, 2018。URL:gydF4y2Bahttps://passivedatakit.org/gydF4y2Ba[2021-08-10]访问gydF4y2Ba
    28. Kroenke K, Strine TW, Spitzer RL, Williams JB, Berry JT, Mokdad AH。PHQ-8是衡量一般人群当前抑郁程度的指标。[J]心理疾病杂志;2009;14(3):163-173。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    29. 王晓明，王晓明，王晓明，Löwe .广泛性焦虑障碍量表的研究进展。中华医科大学学报(自然科学版);2006;31(3):391 - 397。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    30. Connor KM, Davidson JR, Churchill LE, Sherwood A, Foa E, Weisler RH。社交恐惧症量表(SPIN)的心理测量特征。新的自评量表。中华精神病学杂志2002;17(4):391 - 391。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    31. Saeb S, Lattie EG, Kording KP, Mohr DC。手机语义定位检测及其与抑郁、焦虑的关系JMIR移动医疗Uhealth 2017 Aug 10;5(8):e112 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    32. 蒙塔古E，徐军。理解主动用户和被动用户:主动用户使用正常、硬技术和不可靠技术对用户对技术和共同用户信任评估的影响。苹果学报，2012;43(4):702-712 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    33. Escobar-Viera CG, Shensa A, Bowman ND, Sidani JE, Knight J, James AE，等。美国成年人的被动和主动社交媒体使用与抑郁症状网络心理行为学报，2018;21(7):437-443。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    34. 王荣，王伟，b hner M，等。感知社交能力:青少年日常生活中对话、通话、短信、app使用行为的个体差异中华医学会精神病学杂志;2009;31(1):394 - 394。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    35. Chekroud AM, Gueorguieva R, Krumholz HM, Trivedi MH, Krystal JH, McCarthy G.再评估抗抑郁药物治疗的疗效和可预测性:症状聚类方法。美国精神病学杂志2017年4月01日;74(4):370-378 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    36. 刘建军，刘建军，刘建军。基于多任务学习的情绪、压力和健康预测研究。计算机工程学报，2011;31(2):393 - 393。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    37. Bakdash JZ, Marusich LR。重复测量相关性。前沿精神病学2017年4月7日;8:00456。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
    38. 刘建军，刘建军。控制错误发现率:一种实用且强大的多重测试方法。[J]皇家统计社会B系列(方法)2018年12月05日;57(1):289-300。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
    39. Harris PA, Taylor R, Thielke R, Payne J, Gonzalez N, Conde JG。研究电子数据捕获(REDCap)——提供转化研究信息学支持的元数据驱动方法和工作流程。中华生物医学杂志;2009;42(2):377-381 [J]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    40. Pratap A, Atkins DC, Renn BN, Tanana MJ, Mooney SD, Anguera JA，等。被动式手机传感器预测日常情绪的准确性。抑郁焦虑2019年1月21日;36(1):72-81。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    41. Ben-Zeev D, Scherer EA，王锐，谢华，Campbell AT。下一代精神病评估:使用智能手机传感器监测行为和心理健康。精神病学杂志，2015;38(3):218-226 [J]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    42. 地理学与神经科学:地理学“神经转向”的批判性参与。地理学报，2017,33(2):154-169。［gydF4y2BaCrossRefgydF4y2Ba］gydF4y2Ba
    43. 克拉克L，张伯伦SR，萨哈吉安BJ。抑郁症的神经认知机制:对治疗的影响。神经科学进展2009;32:57-74。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    44. [J]，李志强，李志强，等。移动心理健康的研究进展。contemporary Psychiatry Rep 2015; 8;17(8):602。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    45. hukvale K, Venkatesh S, Christensen H.走向临床数字表型:考虑目的、质量和安全性的及时机会。中华医学杂志2019;2:88 [j]gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    46. 刘建军，刘建军，刘建军，等。微随机试验:开发及时适应性干预的实验设计。心理健康杂志2015年12月34日增刊:1220-1228。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    47. 李建军，张建军，李建军，等。移动医疗中的即时适应性干预(JITAIs):持续健康行为支持的关键组成部分和设计原则。Ann Behav Med 2016年9月23日。［gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba
    48. 廖鹏，郭志强，李建军，李建军。基于强化学习算法的心脏运动优化研究。计算机科学-机器学习。2019。URL:gydF4y2Bahttp://arxiv.org/abs/1909.03539gydF4y2Ba[2020-03-03]访问gydF4y2Ba
    49. Maher CG, Sherrington C, Herbert RD, Moseley AM, Elkins M. PEDro量表评定随机对照试验质量的可靠性。中国生物医学工程学报(英文版);2003;31(8):713-721。［gydF4y2BaMedlinegydF4y2Ba］gydF4y2Ba

    ‎gydF4y2Ba
    教育津贴:gydF4y2Ba生态瞬时评价gydF4y2Ba
    GAD-7:gydF4y2Ba广泛性焦虑障碍7项量表gydF4y2Ba
    phq - 8:gydF4y2Ba8项患者健康问卷gydF4y2Ba
    搬运工:gydF4y2Ba研究电子数据捕获gydF4y2Ba
    旋转:gydF4y2Ba社交恐惧症量表gydF4y2Ba

    R库卡夫卡编辑;提交24.07.20;K Huckvale, J Zulueta, B Teachman的同行评审;对作者03.09.20的评论;修订版本收到29.10.20;接受19.07.21;发表03.09.21gydF4y2Ba

    版权gydF4y2Ba

    ©Jonah Meyerhoff, Tony Liu, Konrad P Kording, Lyle H Ungar, Susan M Kaiser, Chris J Karr, David C Mohr。原发表于医学互联网研究杂志(//www.mybigtv.com)， 2021年9月3日。gydF4y2Ba

    这是一篇在知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)下发布的开放获取文章，该许可允许在任何媒介上不受限制地使用、分发和复制，前提是原始作品首次发表在《医学互联网研究杂志》上，并适当引用。必须包括完整的书目信息，到//www.mybigtv.com/上原始出版物的链接，以及版权和许可信息。gydF4y2Ba
    Baidu
    map