使用智能手机与可穿戴设备的移动健康数据预测抑郁症症状严重程度的挑战：回顾性分析
定量方法
2023-08-16 v2
摘要
分析移动健康 数据面临诸多挑战：在较长时间内维持参与者的参与度，从而理解可接受的数据缺失阈值；区分不同特征的横断面与纵向关系，以确定其在追踪个体内纵向变化或筛查高风险个体方面的效用；以及理解抑郁症在由被动特征量化的行为模式中表现出的异质性。从 479 名患有重度抑郁症 的参与者中，我们提取了 21 个涵盖移动性、睡眠和智能手机使用的特征。我们使用组内相关系数和 Bland-Altman 分析研究了可用数据天数对特征质量的影响。然后，我们利用个体均值相关、重复测量相关和线性混合效应模型，考察了每 14 天测量一次的 8 项患者健康问卷 (PHQ-8) 抑郁量表与特征之间相关性的性质。此外，我们使用高斯混合模型，根据参与者在高 PHQ-8 得分（抑郁）和低 PHQ-8 得分（无抑郁）期间由特征量化的行为差异对他们进行了分层。我们证明，在 14 天的时间窗口内，至少需要 8 天（范围 2-12 天）的数据才能可靠地计算大多数特征。我们观察到，诸如睡眠起始时间等特征在横断面上与 PHQ-8 得分的相关性优于纵向，而诸如入睡后清醒时间等特征在纵向上与 PHQ-8 相关性较好，但在横断面上较差。最后，我们发现可以根据参与者在抑郁期和无抑郁期之间的行为差异将其分为 3 个不同的聚类。
引用
@article{arxiv.2212.10540,
title = {Challenges in Using mHealth Data From Smartphones and Wearable Devices to Predict Depression Symptom Severity: Retrospective Analysis},
author = {Shaoxiong Sun and Amos A. Folarin and Yuezhou Zhang and Nicholas Cummins and Rafael Garcia-Dias and Callum Stewart and Yatharth Ranjan and Zulqarnain Rashid and Pauline Conde and Petroula Laiou and Heet Sankesara and Faith Matcham and Daniel Leightley and Katie M. White and Carolin Oetzmann and Alina Ivan and Femke Lamers and Sara Siddi and Sara Simblett and Raluca Nica and Aki Rintala and David C. Mohr and Inez Myin-Germeys and Til Wykes and Josep Maria Haro and Brenda W. J. H. Penninx and Srinivasan Vairavan and Vaibhav A. Narayan and Peter Annas and Matthew Hotopf and Richard J. B. Dobson},
journal= {arXiv preprint arXiv:2212.10540},
year = {2023}
}