fitbit监测老年人抑郁症状:定性可行性研究

简介

背景

2021年，全球约有2.8亿人被诊断患有抑郁症[1］．虽然大多数老年人(65岁以上)没有抑郁症，但老年人患抑郁症的风险更高[2］．80%的老年人至少有一种慢性疾病，这可能导致精神疾病[3.，4］．在接受住院护理的老年人中，有30%存在抑郁症风险[5］．老年人的精神疾病有时被认为是对社会经济地位变化或年龄增长的不可避免的反应，对一些人来说是无法治疗的[2，3.］．老年人也更可能担心寻求精神疾病治疗的耻辱[6］．因此，老年人在受到抑郁症等精神疾病的影响时，不太可能寻求帮助。3.］．

具有成本效益的智能可穿戴设备越来越多地用于普通人群[7］．2022年，全球智能穿戴用户达11.05亿人[7］．其中约3100万人是Fitbit用户[8］．因此，越来越多的研究将智能可穿戴设备，尤其是Fitbit设备，纳入健康研究[9-11］．最近的一项范围审查调查了移动医疗程序对改善身体健康的有效性和效率[12］．从2012年到2022年，包括148项研究在内，没有“一刀切的方法来监测身体健康。”然而，作者发现移动健康干预有望促进行为改变。类似的评论[13结论是，需要对智能可穿戴设备在改变或评估身体健康方面的有效性和可行性进行更多研究。Ringeval等人仅使用Fitbit设备[11]评估了在促进健康生活习惯的干预措施中使用Fitbit设备的有效性。评估41项研究[11，作者得出结论，Fitbit设备改善了用户的生活方式。参与者的每日步数增加，身体活动增加，体重减少[11］．进一步检讨[14]调查了可穿戴设备在门诊患者生命体征监测中的适用性，发现通过可穿戴设备早期发现生理恶化可能会改善患者的预后。虽然积极的，身体上的，潜在的突发性传感器，如心率监测器，贴片和臂带被使用，这些可能不可行的长期使用。

上述评论表明，可穿戴设备可以导致积极的身体活动变化。尽管如此，很少有研究调查使用智能可穿戴设备会如何改变心理健康。此外，很少有研究对老年人进行调查。这是有问题的，因为老年人更有可能对新技术感到不安。15，16］．由于大多数研究都集中在基于实验室的环境中，我们建议使用消费级智能可穿戴设备进行心理健康监测，以弥合老年人、现代技术和心理健康之间的差距[17］．

之前的工作

智能可穿戴设备，尤其是类似fitbit的设备，可用于协助治疗心理健康问题。最近的一项研究调查了移动医疗技术在患有严重精神疾病的用户中增加身体活动的可行性(使用频率)和可接受性(通过后续访谈)[18］．参与者报告说，在移动医疗技术的推动下，通过设定目标和自我监测，他们的满意度很高，积极性也增强了。另一项定性研究将Fitbit设备与行为激活疗法结合10］．人们有了更积极的自我意识，提高了基于同伴的动机，提高了设定目标的动机。负面反馈包括不方便，对参与研究不感兴趣，以及测量不准确。此外，一项为期12周的随机试验结合了非fitbit设备(平板电脑)和电话咨询，以增加老年人的身体活动[19］．干预是可行的，被参与者接受。它还减少了老年人的体重，增加了他们的身体活动时间。

心率和步态模式等因素可以表明抑郁症，这些因素可以通过智能可穿戴设备进行监测[20.，21］．研究还证实了智能可穿戴设备在情感识别方面的应用。22-25］．使用智能手表或手环，并与外部情绪诱导刺激配对，以评估情绪识别的可靠性和准确性。在实验室环境中，有3项研究为参与者提供了包括视频和音乐片段在内的刺激，这些刺激被用来引出快乐、中性或悲伤的情绪。23-25］．刺激后活动，在情绪激发后2小时内进行，包括在胸前安装心率监测器的情况下行走[23］．结果显示，与悲伤情绪相比，检测快乐情绪的准确率更高(74%)。早期的一项研究观察了参与者在接受视觉刺激以引发情绪反应后1分钟内的走路变化[25］．在这项研究中，行走方式可以在81.2%的时间里预测预期的情绪反应。研究表明，走路模式和智能可穿戴设备可以用来识别用户的情绪。另一项研究采用不同的情绪诱导方法，使用真皮电活动、皮肤温度、心率和自我评估模型表格，[22他开发了一种基于真皮电活动信号预测情绪的算法。该算法在57%的时间里准确地标记了情绪。

在之前的研究中[17]，我们提出了一种针对老年人的自主心理健康监测系统(AutoMAP)，它提供了一种情绪识别框架，只需很少或没有明确的用户输入或交互(图1）.AutoMAP的目的是监测用户的心理健康状况，而不需要明确的用户交互(即不需要用户手动记录他们在特定时间的情绪)。该框架使用智能可穿戴设备收集的生理数据，目的是通过情绪测量来预测用户的情绪，如老年抑郁量表(得分从0到15,0表示没有抑郁倾向，15表示高度抑郁倾向;> - 9分表示非常高的抑郁倾向)。最终的目的是通过移动应用程序向护理人员报告抑郁倾向评分。在本文中，我们重点验证了我们的框架的可行性(我们能够做到吗?)和可接受性(参与者愿意这样做吗?)图1）.因此，本文提出了可行性研究的结果。虽然我们的研究由定性和定量组成，但本文描述了定性结果，围绕AutoMAP的可行性和可接受性。定量Fitbit数据，在此框架下的情感识别技术的有效性和准确性将在未来的论文中介绍。

‎ 查看此图

方法

概述

我们的研究调查了老年人(65岁以上)AutoMAP的可行性(研究人员是否能够执行研究，使用所需的数字和提出的框架?)和参与者的可接受性(参与者对日常监测和问卷、移动应用程序和使用移动应用程序的接受程度如何?)参与者佩戴Fitbit智能手表4周，每周完成一项有效的抑郁症状调查，并每天提供一份自我报告的情绪评分。

道德的考虑

这项研究得到了悉尼科技大学人类研究伦理委员会(HREC)的批准(HREC参考文献#ETH20-4912)。

程序

为了确定我们的框架的可行性和可接受性，我们进行了混合归纳-演绎主题分析[26，27]对参与者进行半结构式访谈。研究方案可在开放科学框架下查阅[28］．

参与者招募和入职

参与者通过口口相传的方式招募，并在老年社区和老年护理机构中表达兴趣。这项研究有六个主要的入选标准:(1)能够说和理解英语，(2)年龄在65岁以上，(3)愿意佩戴Fitbit 4周，(4)独自生活，没有外界帮助，(5)能够提供知情同意，以及(6)可以通过电脑或手机上网。所示为参与者招募流程图图2．本研究选择了独立生活的个体，因为这是我们提出的AutoMAP框架的目标人群。

同样，本研究有8个排除标准。这些排除标准包括已经存在的影响睡眠、步态或心脏记录的疾病;4周期间内的旅行计划;4周内超出一般计划的计划;不能行走:不能行走;无法在规定时间内进行在线调查;手腕附近有皮疹史;镍过敏，可能导致对智能手表充电探头的反应;以及之前的精神疾病诊断在这个初步阶段，我们明确排除了已有心理健康问题的参与者，因为我们处于本研究的可行性和参与者可接受性阶段。 Due to difficulties recruiting participants, 2 participants aged 64 years were also included; however they did not return for the poststudy interviews. Their data were excluded from study.

在提供意向书后(图2)，并向参加者提供一份资料单张，详细列明在为期四周的调查期间的纳入准则和要求。12名参与者被认为符合条件，并被发送了参与者包。参与者包由五个部分组成:(1)Fitbit Alta HR设备，(2)参与确认和信息表，(3)遇险管理资源列表，(4)简化的Fitbit用户指南，以及(5)总结任务清单。为了避免潜意识的反应偏差，在4周的研究期结束前，参与者都不知道研究目标。在12名参与者中，有3人没有回来参加最后的面试。图2说明了4周研究期开始时的初步筛选和入职过程。

‎ 查看此图

可穿戴设备

在这项研究中，所有参与者都获得了Fitbit Alta HR智能手表。Fitbit Alta HR智能手表之所以被使用，是因为它对最终用户来说具有成本效益，而且易于安装和使用[4，22］．研究表明，类似Fitbit设备(Fitbit Charge 2)的性能精度相当，心率估计误差为14% [2］．一项以fitbit为中心的睡眠研究综述也显示，检测睡眠阶段的敏感性值为0.95-0.96，特异性值为0.58-0.69 [29］．

参与者被要求在4周的时间内一直佩戴该设备，洗澡时除外。由于研究需要睡眠数据，参与者在睡觉时戴着这种设备。Fitbit Alta HR充满电大约需要2小时。为了确保数据丢失最小化，我们建议参与者在洗澡前给Fitbit充电。为了减少更多的不便，我们没有设定充电的固定时间。

参与者的协议

在为期4周的研究期间，研究人员为参与者提供了一份应对情绪困扰的资源清单。虽然介绍性访谈是关于参与者日常生活的基本问题，但如果参与者感到痛苦，就会有协议终止访谈并停止参与。参与者被告知，他们可以在任何时候退出研究。

研究干预措施

研究人员可以建议参与者从资源列表或医疗专业人员那里寻求帮助。研究人员向参与者提供了研究团队的联系方式。

COVID-19协议

这项研究是在零接触环境中进行的，以适应COVID-19。参与者文件包和设备通过邮寄方式发送，所有访谈都通过电话进行。

数据采集与分析

调查问卷

参与者每天完成一份在线问卷，包括自我报告情绪评分李克特量表，关于活动和食物偏好的开放式问题(远离抑郁症状的转移问题)，以及一个可选部分，添加前24小时内任何异常事件的细节。对于情绪量表，参与者被问及“你如何评价你在过去24小时内的情绪”，每天一次，从1到10打分。转移注意力的问题，比如“你想吃什么?”以及“你想做什么?”被添加到每日情绪报告问卷中，以减少反应偏差。

参与者亦每周一次在线填写一份包含15项内容的老年抑郁症量表(GDS-15) [30.］．这是GDS的简称，由15个“是”或“否”问题组成，每个回答都有一分得分，这可以表明抑郁症[31］．在介绍会上，参与者还在线完成了GDS-15问卷。这些回答被用作基线GDS分数来排除参与者(如果GDS分数为>10)，并用于数据标记来训练和测试AutoMAP框架的一部分机器学习算法。由于这一阶段是研究的定量阶段的一部分，因此在本文中没有进一步的详细说明。任何GDS评分为> - 6的参与者都建议在参加研究之前参加全科医生会诊。得分较高的参与者没有立即被排除在外，因为GDS是一种筛查而不是抑郁症的诊断工具[31］．两套问卷都通过一个在线平台(谷歌Forms)进行管理，该平台专门进行和分发在线调查。

面试

两组访谈(文本框1)在不同时间进行:(1)基线和(2)4周研究期结束时。采访被逐字记录下来。平均访谈时间为11分钟(范围为4分钟至16分钟)，由主要研究员和编码员(FM)通过电话进行管理。匿名访谈由另外3名编码员(JG、PS和WR)组成的团队编码，他们与参与者没有任何互动。数据分析采用混合归纳-演绎主题分析[26］．

研究前访谈(文本框1)提供了研究前4周参与者的日常生活，以及COVID-19对常规互动(如果有的话)的影响。我们添加了COVID-19组件，以解释参与者数据中的异常情况，如果他们确实感到受到了大流行的影响。研究后访谈获得了对研究期间本身的反馈。研究结束4周后进行研究后访谈(文本框1）.向参与者提供了关于研究及其目标的进一步细节。为了确定可行性和可接受性，我们询问了参与者在4周期间的体验，他们是否对我们提出的自主心理健康监测系统感兴趣，以及他们希望或不希望在移动应用程序中看到什么。例如，这样的应用程序将报告他们的情绪状态，使用干净、直接的通知，而不是详细的生命体征仪表板视图。

为了深入了解参与者在4周的研究期间是否感到任何不便或不适，我们向参与者询问了一系列关于Fitbit设备的问题。问题1至3 (文本框1)讨论了用户体验。问题4至问题6和问题10的设计是为了获得反馈，以便在未来进行重复研究时改进研究设计。问题7和8询问参与者，如果他们的照顾者被告知他们的心理健康状况，他们更放松的可能性。最后，问题9旨在验证该框架作为一个整体对独居老年人可能产生的潜在影响。

由于本研究的目的是评估AutoMAP的可行性和可接受性，我们对两组访谈进行了定性分析。我们通过研究保留和定性结果评估了一致性水平。我们进行了混合归纳演绎主题分析[264个编码器(FM, JG, PS和WR)。我们的演绎主题分析最初是针对可用性的;然而，我们确定了常被提及的子主题，以提供更多关于采访的见解。在研讨会讨论中，以四个目标评估去识别的访谈回答:(1)生成初始代码，(2)搜索主题，(3)回顾主题，(4)最终定义和命名主题。图3展示了如何编码和分析采访反应的概述。

‎ 查看此图

结果

一般的总结

参与者人口统计的摘要显示在表1．总共有12名参与者(平均年龄68.58岁，标准差3.475岁)在4周前接受了采访，12名参与者中有9名(平均年龄69.11岁，标准差2.998岁)返回进行了研究后的采访(保留率75%)。未参加结案访谈的3名参与者无法联系，Fitbit数据和研究前访谈反应被排除在研究之外。我们与余下的参加者进行了闭门面谈，以确定该架构的可行性和可接受性，以及建议架构的可改善之处(图1）.图3和4举例说明如何分析访谈。主题是根据关键词和整体响应的背景形成的。

‎ 查看此图

Preprocedure分析

从我们的分析中涌现的主题显示，参与者在之前的4周内有积极的生活前景。具体而言，75%(9/12)的参与者主要有积极情绪，41%(5/12)的参与者经历了一些消极情绪，60%(3/5)的参与者经历了重大的消极生活事件。此外，50%(6/12)的受访者表达了一系列健康问题，83%(5/6)表现出轻微的健康问题，17%(1/6)表现出严重的健康问题。

所有(12/12)受访者有家人偶尔探访，而83.3%(10/12)受访者有更频繁的朋友探访。只有50%(6/12)曾与医生预约，通常每年一次。访问频率反应(n=28)超过了受访者数量(n=12)，因为类别并不互斥;也就是说，参与者可以陈述与任何或所有类别(朋友、家人或医疗专业人员)的访问情况。57%(16/28)的受访者表示，每年有一两次由家人、朋友或医生访问。然而，在互动更频繁的参与者中，32%(9/28)表示每周与朋友互动。在12名参与者中，有7人自COVID-19大流行开始以来互动减少(图5b).此外，67%(8/12)的参与者认为他们的生活方式和日常生活受到了COVID-19的负面影响(图5一个)。

‎ 查看此图

Postprocedure分析

在为期4周的研究期后，人们的反应普遍是积极的:9名参与者中有7人对参与研究的便利性和便捷性以及所需的有限动手时间表示满意。图6说明了程序后访谈的主题分析的摘要。用户体验主题超过了9位参与者，因为9位参与者中有2位在采访中不止一次提到了这个主题。此外，33%(3/9)的参与者在为期4周的研究期间也经历了积极的行为改变，特别是增强了锻炼的意识和动力。

‎ 查看此图

研究可行性

在9名参与者中，6名(67%)在研究期间没有感到不适，而1名参与者对在更温暖的夏天佩戴手表感到轻微不适。在9名参与者中，有2人表示对整夜佩戴该设备感到轻微沮丧。此外，9位受访者中有7位(78%)认为在检查过程中没有任何不便，最常见的担忧是能否及时报告日常情绪。在9名参与者中，有2人对正确回答感到担心，尽管答案没有对错之分。一名参与者发现了转移注意力的问题“你现在想吃什么?”变得无关紧要，而这正是这个问题的目的。该程序还导致33%(3/9)的参与者的行为改变，特别是通过锻炼意识和每日自我报告的日志。

设备设置过程和使用受到大多数参与者的青睐，只有1名参与者在初始设置时遇到困难。尽管如此，在数据提取过程中，我们发现另外两名参与者错误地将他们的设备链接到Fitbit应用程序，这一问题通过要求参与者再次配对设备来解决。

总的来说，我们的分析显示，在4周的手术过程中，总体上是积极的结果。我们的留存率达到75%(9/12)。一些参与者似乎知道研究的目标，尽管没有明确地透露，而另一些人则认为这是一个很好的目标，一旦他们得到了关于我们研究目标的更多细节。

参与者的可用性

进一步评估AutoMAP的有用性和相关性，我们评估了框架的可用性。9名参与者中有6名(67%)对我们的工作原型的全面实施感兴趣，并表示他们也会感到更放松和舒适，因为他们的精神健康正在被监测，而其余的人则认为这对那些患有严重抑郁症或诊断出疾病的人更有用。然而，有一些紧急主题与隐私有关，假阳性(即，当没有问题时通知最终用户)和假阴性(即，当有问题时没有通知最终用户)。这些将在移动应用程序的要求和限制下解决。此外，22%(2/9)的参与者认为，该原型对有特殊需求或被诊断患有阿尔茨海默病、痴呆、自闭症、唐氏综合症、阿斯伯格综合症或其他精神健康问题的用户更有益。

9名参与者中有1名在研究前访谈中表现出积极的人生观，而GDS得分相对较高(平均为7)。一名未返回研究后访谈的参与者在研究前访谈中具有较高的GDS得分(得分≥8)和冷漠到积极的人生观。同样的参与者也对自己的情绪打分很高(平均分别为8.31和7.8)，这表明对情绪的自我感知并不总是准确的。

在9名参与者中，7人(67%)对原型机的概念和潜力感到满意，但对其实用性提出了担忧。他们认为，除了一般的老年人群之外，该原型可能更适合所有年龄段的人或有更严重问题的老年人的特殊需求。AutoMAP的预期最终用户是老年人的护理人员。然而，一位与会者介绍了用户没有亲密的朋友或家人，最终用户可能不会跟进警报的情况。

手机应用程序

研究后的访谈旨在收集对我们拟议的移动应用程序的建议和偏好。该应用程序将通知护理人员用户的抑郁倾向。研究人员为参与者提供了两个应用程序设计建议:一个是简洁的应用程序，只包含基本信息，比如他们的抑郁得分;另一份有更详细的信息。在他们的偏好方面，56%(5/9)的参与者更喜欢一个干净、简洁的应用程序，它只会在用户表现出抑郁倾向时向应用程序的最终用户(护理人员)发送纯文本警报。对于9名参与者中的2名，半详细的应用程序界面比纯文本界面更受欢迎。另外2名参与者没有具体说明他们的界面偏好，但提出了对潜在问题的担忧，例如在误报情况下的误解和报警，以及减少隐私。如果这些担忧得到解决，参与者将被允许选择与他们的护理人员分享的信息数量，抑郁得分是最少的信息量。

讨论

主要结果

尽管一些与会者在设备设置和同步过程中遇到了一些小的技术困难，但与会者对该框架持积极态度。两名参与者在通过应用程序将设备同步到他们的Fitbit账户时出现了问题。在这两名参与者中，有一名参与者在观看了同步过程的教学视频后成功重新同步了设备，而另一名参与者尽管我们试图与他联系，但仍无法联系到他。该参与者是被排除在外的参与者之一。重新同步设备的参与者对这些问题并不关心或特别不便。该手术导致了积极的行为改变和身心健康的改善。参与者评论说，参与锻炼让他们更了解自己的身体活动，一些人把每日调查作为一种记录日志的方式，从而放松了精神。对于没有看护的人，我们建议在AutoMAP移动应用程序中加入志愿者功能，允许其他指定的人检查用户。这也可以通过增加目标或互动，使在COVID-19大流行期间生活的志愿者受益。

参与者担心发送给护理人员的假阳性或未发送给护理人员的假阴性的可能性。为了缓解这一问题，我们需要训练和测试我们的算法，以在从智能手表数据中确定情绪识别时实现高性能。当涉及隐私问题时，设备用户可能会选择护理人员可以看到哪些额外信息。这可能包括生命体征、抑郁症状范围史和运动模式。我们不确定设备用户是否应该看到他们自己的情绪水平信息，因为这可能会导致潜意识偏见或情绪改变。

虽然大多数参与者倾向于一个极简的基于视觉的通知应用程序，但我们也将为那些更喜欢应用程序中这一级别信息的人提供半详细视图的选项。我们提出了一个移动应用程序，当用户的分数表明抑郁倾向时，它会通知护理人员，促进自主性和隐私，并允许界面选择。用户的分数将通过他们的生理数据和机器学习技术来确定。

优势与局限

从用户体验的角度来看，这个过程是方便和容易实现的。尽管一些参与者对设备设置和每周和每日调查的依从性感到轻微担忧，但所有参加后续访谈的参与者对总体研究设计和参与的便捷性都持积极态度。在术前访谈中，我们对参与者的研究目标进行了盲视，并在4周的过程后告知参与者研究目标。这种类型的盲目防止了潜意识的反应偏差。研究的整体印象是正面的，参加者反映为期四周的研究进行得很好，容易跟进，并没有对他们的日常生活造成重大不便。一般来说，日常调查被认为是清晰和简洁的，尽管在未来的迭代中，应该努力增加调查中情绪评级成分的范围。这可能会允许更精细、更详细的自我报告情绪映射。

我们的研究专门招募了没有诊断出精神健康问题的老年人。一个更多样化的样本可以改善AutoMAP的未来应用，以及它的性能和准确性。虽然参与者普遍认为这项研究是有利的，但有些人宁愿晚上不戴这种设备。未来可能还会出现关于私人医疗用户数据共享的问题。后者将在未来的研究中进行评估和详细说明。尽管我们努力与所有参与者保持接触，但我们无法对12名参与者中的3人进行术后访谈。在我们的分析中包括这些辍学者的观点可能会为程序和框架的可行性和可接受性提供不同的视角。

与之前工作的比较

我们的发现与之前关于智能可穿戴设备情感识别的研究一致[23，24]或精神健康[10，19］．这些发现表明，可穿戴传感器可以用于情感识别。其中一些研究[23，24]在受控的环境中，有故意的情绪刺激，参与者对刺激没有情感投入。这些研究还对参与者进行了短时间的观察，这意味着用于情感诱导的刺激是否具有预期效果尚不确定。相比之下，我们的过程是在现实世界中进行的，参与者在日常生活中都戴着Fitbit。因此，收集到的传感器数据反映了现实生活中的情绪。

通过电话咨询和智能可穿戴设备促进行为改变已显示出可喜的结果。19］．研究人员还强调，相互竞争的可穿戴产品可能有不同的应用和准确性，在未来使用智能可穿戴设备的研究中应该考虑到这一点。这项研究使用了Jawbone公司的设备，该公司已不再生产设备。这可能导致使用Jawbone设备实施的程序在长期实施中可能无效。另一方面，我们的研究发现，Fitbit设备在检测先发制人的抑郁倾向方面是可行的，而不是作为被诊断为抑郁症的人的行为治疗设备。

结论

我们将对未来的研究进行四项修改:(1)为所有参与者预定义的每周和每日调查时间，(2)减少转移问题，(3)辅助设备设置和演练，以及(4)在研究期间与参与者进行更多的检查。

这项研究是验证我们的框架和确定我们所提议的移动应用程序开发需求的重要一步。接下来，我们将对参与者Fitbit数据进行定量分析，开发移动应用程序，并训练和测试我们的机器学习算法，以使用生理输入检测抑郁倾向。机器学习组件将与移动应用程序集成，如果用户的分数表明有潜在的抑郁症，就会通知护理人员。