先看重点
一项系统综述纳入35项研究,发现手机和可穿戴传感器数据与精神分裂症、双相情感障碍和抑郁症的症状相关。研究多集中在双相情感障碍、抑郁和压力,涉及精神分裂症的很少,作者认为其辅助治疗的临床价值尚未得到充分评估。
证据类型
证据综述
解读依据
公开摘要
阅读重点
方法与适用范围
研究在问什么
欧盟资助的m-RESIST项目正在为难治性精神分裂症设计治疗方案,利用手机和可穿戴传感器数据追踪行为。作者回顾现有研究,查看传感器数据是否与精神症状相关,以判断行为监测能否辅助治疗。
研究了谁,如何研究
按PRISMA指南进行的系统综述。作者检索了Scopus、PubMed、Web of Science和Cochrane中央对照试验注册库中2009年9月1日至2018年9月30日发表的英文研究。纳入的研究须报告来自手机使用和/或可穿戴传感器的定量数据,并与临床结局相关联。摘要未报告效应量或研究质量评分。
主要发现
以下为作者报告的结果。数字须连同人群和不确定性一起阅读。
- 1共有35项研究符合条件。多数研究的是双相情感障碍、抑郁、抑郁症状、压力和压力症状,只有少数研究涉及精神分裂症患者。
- 2传感器数据与精神分裂症、双相情感障碍和抑郁症的症状相关。
- 3这些方法在临床环境中能否辅助治疗,尚未得到充分评估,作者认为需要更仔细的检验。
局限与不确定性
- 135项研究中涉及精神分裂症的很少,而这恰是m-RESIST项目针对的疾病。
- 2摘要只说传感器数据与症状相关,没有给出效应量,也没有说明预测症状的准确程度。
- 3只纳入2009年至2018年9月的英文研究,之后发表的及非英文研究没有包含在内。
- 4以上解读仅基于摘要。
对日常健康的启示
手机和可穿戴设备中的活动、手机使用等模式似乎会随精神症状而变化,这也是研究者看好其前景的原因。但这并不意味着消费级设备可以诊断或监测精神疾病。与心理健康相关的决定应由医生做出。
如何联系自己的数据
可穿戴设备记录的睡眠、步数和日常活动,属于这些研究所用的传感器数据。如果你把它们与自己的情绪一起记录,请在同一设备上观察数周的变化,持续的明显变化请告诉医生,不要自行解读。
如何理解这类证据
先看纳入了哪些设计、检索与偏倚评估如何完成,以及检索截止日期;发表新不代表底层证据都是最新的。
作者的结构化摘要 English
以下英文摘要按记录的开放许可转载,属于作者原始材料,不是 MoveVitals 的解读。上方已提供研究解读,分别说明作者结果与本站解释;重要结论可直接核对原文。
Background
Mobile Therapeutic Attention for Patients with Treatment-Resistant Schizophrenia (m-RESIST) is an EU Horizon 2020-funded project aimed at designing and validating an innovative therapeutic program for treatment-resistant schizophrenia. The program exploits information from mobile phones and wearable sensors for behavioral tracking to support intervention administration.
Objective
To systematically review original studies on sensor-based mHealth apps aimed at uncovering associations between sensor data and symptoms of psychiatric disorders in order to support the m-RESIST approach to assess effectiveness of behavioral monitoring in therapy.
Methods
A systematic review of the English-language literature, according to the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines, was performed through Scopus, PubMed, Web of Science, and the Cochrane Central Register of Controlled Trials databases. Studies published between September 1, 2009, and September 30, 2018, were selected. Boolean search operators with an iterative combination of search terms were applied.
Results
Studies reporting quantitative information on data collected from mobile use and/or wearable sensors, and where that information was associated with clinical outcomes, were included. A total of 35 studies were identified; most of them investigated bipolar disorders, depression, depression symptoms, stress, and symptoms of stress, while only a few studies addressed persons with schizophrenia. The data from sensors were associated with symptoms of schizophrenia, bipolar disorders, and depression.
Conclusions
Although the data from sensors demonstrated an association with the symptoms of schizophrenia, bipolar disorders, and depression, their usability in clinical settings to support therapeutic intervention is not yet fully assessed and needs to be scrutinized more thoroughly.
来源与署名
Mobile Phone and Wearable Sensor-Based mHealth Approaches for Psychiatric Disorders and Symptoms: Systematic Review.
Seppälä J, De Vita I, Jämsä T, Miettunen J, Isohanni M, Rubinstein K, Feldman Y, Grasa E, Corripio I, Berdun J, D'Amico E, M-RESIST Group, Bulgheroni M.
JMIR mental health · 2019-02-20
DOI: 10.2196/mental.9819 ↗PubMed · 30785404 ↗Europe PMC · 记录的开放许可: cc by ↗摘要版权归原作者,依据来源记录的开放许可转载。中文译文辅助阅读,英文摘要用于核对术语与具体数值;本站的方法学解释与作者结论分别呈现。
MoveVitals 编辑解读 · 健康教育内容 · 未记录个人临床审阅
来源核验日期 2026-11-01
实用健康指南
放在一起读
加速度计处理方法不同,身体活动与卒中、心肌梗死的关联曲线也不同
在英国生物银行中,基线无心血管疾病的90237名成年人随访至2022年12月,共发生1298例卒中和2031例心肌梗死;中高强度身体活动(MVPA)与这两种结局的关联曲线形状,取决于加速度计数据的处理方法。就卒中而言,只有机器学习法得到直线下降的风险;就心肌梗死而言,机器学习法和LFENMO法呈曲线下降,活动计数法呈直线下降。摘要没有给出风险比,只能说明不同方法的结论不一致,不能说明哪种方法更正确,而且这些只是观察性关联。
Preventive Medicine
智能手表数据能当“证人”吗:心率验证得最充分,其余证据参差
一项围绕数字取证展开的系统评价和荟萃分析,梳理了四大主流品牌智能手表的验证研究,发现心率是研究最多、也最准确的指标。步数、距离、能量消耗、活动分类和睡眠的验证不够一致,结果因品牌、方案和报告方式而异。摘要没有给出汇总数据,且多数研究是在健康人群中、于实验室内完成的,所以无法说明某一块手表对某个人在日常生活中的表现。
Forensic Science International
活动追踪器:每天多走约1800步,对其他健康指标影响较小
这项伞形综述汇总了39篇系统评价和荟萃分析,涉及163992名参与者;结果显示使用活动追踪器与身体活动增加相关(标准化均数差SMD为0.3–0.6),相当于每天多走约1800步、多步行40分钟,体重减轻约1公斤。对血压、胆固醇、糖化血红蛋白、生活质量和疼痛的影响通常很小,且多数不显著。摘要没有说明这些项目里追踪器还搭配了什么,也没有说明各评价之间重叠多少,因此不能把效果完全归功于设备本身。
The Lancet Digital Health
七款睡眠追踪设备:识别睡着很准,识别醒着和睡眠分期较差
在睡眠实验室里,34名健康的年轻成年人连续三晚佩戴七款消费级睡眠追踪设备中的若干款。与多导睡眠监测相比,所有设备识别睡眠都很准(灵敏度均不低于0.93),但识别清醒较差(特异度0.18–0.54),七款中有五款与研究用活动记录仪(特异度0.39)持平或更好;睡眠分期的估计结果不稳定。受试者是18至35岁的健康成年人,卧床时间固定为8小时,每款设备只在其中11至20人身上测试,因此对有睡眠问题的人几乎没有参考价值。
Sleep

