跳到正文
可穿戴与测量科学证据综述3 分钟阅读

智能手机和手表可捕捉精神分裂症和双相障碍的活动与睡眠信号,但证据有限

MoveVitals 编辑部 · 研究发表 · 解读更新

原文:Utility of Consumer-Grade Wearable Devices for Inferring Physical and Mental Health Outcomes in Severe Mental Illness: Systematic Review. · JMIR mental health · 2025 · 论文原文 ↗

先看重点

这篇系统综述纳入来自12项不同研究的23篇论文,有一些证据表明,活动量低、心率高、入睡晚且不规律,与精神分裂症或双相障碍患者的精神科诊断或症状较重相关。设备、测量和统计方法差异很大,结果难以比较。

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

消费级可穿戴设备和智能手机可以被动记录运动、睡眠和心率,有望用于远程监测严重精神疾病,但它们的作用尚不清楚。作者综述了这类数据对于监测或预测精神分裂症和双相障碍成人患者身心健康变化的价值。

研究了谁,如何研究

系统综述(PROSPERO注册号CRD42022382267),检索Cochrane对照试验中心注册库、Technology Assessment、AMED、APA PsycINFO、Embase、MEDLINE和IEEE Xplore,检索截至2024年5月。纳入的研究须被动收集至少3天的生理数据,例如睡眠时长、心率、睡眠与觉醒模式或身体活动;研究级活动记录仪和有明显佩戴负担的设备被排除。由于研究间异质性,结果采用叙述性综合,并分为身体活动、睡眠与昼夜节律、心率三类。

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. 1
    共纳入报告12项不同研究的23篇论文,多数使用智能手机,以预防复发为主。只有1项研究明确以身体健康结局为目标。
  2. 2
    500多名严重精神疾病患者提供了数据,主要来自高收入国家。论文中呈现身体活动数据的有18篇,睡眠与昼夜节律数据14篇,心率数据6篇;8篇论文用了智能手表,其余仅用智能手机。
  3. 3
    有一些证据表明,活动量较低、心率较高、入睡较晚且不规律,与精神科诊断或症状较重相关。
  4. 4
    设备、测量、采样和统计方法的差异,使结果解读变得复杂。

局限与不确定性

  1. 1
    仅有12项不同研究,总共500多名参与者,且主要来自高收入国家,限制了结果推广到其他地区。
  2. 2
    设备、测量、采样和统计方法的异质性使得无法给出合并估计,摘要也没有报告准确性指标。
  3. 3
    只有8篇论文使用智能手表,涉及心率的仅6篇,心率方面的证据最薄弱;发现的关联并不说明设备能预测个体的复发。
  4. 4
    以上解读仅基于摘要。

对日常健康的启示

手机和手表的被动数据将来也许能提示与症状相伴的活动或睡眠变化,但目前证据尚早且不一致。这些信号不是诊断,也不是复发警报。精神分裂症或双相障碍患者及其家人,如发现令人担忧的变化,应告诉诊疗团队。

如何联系自己的数据

综述涉及的信号,即每日活动、睡眠时间和静息心率,正是许多可穿戴设备都会记录的内容。请在同一设备上,把自己的模式与自身基线比较数周,并留意入睡时间是否规律,但不要把变化当作诊断。

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

Digital wearable devices, worn on or close to the body, have potential for passively detecting mental and physical health symptoms among people with severe mental illness (SMI); however, the roles of consumer-grade devices are not well understood.

Objective

This study aims to examine the utility of data from consumer-grade, digital, wearable devices (including smartphones or wrist-worn devices) for remotely monitoring or predicting changes in mental or physical health among adults with schizophrenia or bipolar disorder. Studies were included that passively collected physiological data (including sleep duration, heart rate, sleep and wake patterns, or physical activity) for at least 3 days. Research-grade actigraphy methods and physically obtrusive devices were excluded.

Methods

We conducted a systematic review of the following databases: Cochrane Central Register of Controlled Trials, Technology Assessment, AMED (Allied and Complementary Medicine), APA PsycINFO, Embase, MEDLINE(R), and IEEE XPlore. Searches were completed in May 2024. Results were synthesized narratively due to study heterogeneity and divided into the following phenotypes: physical activity, sleep and circadian rhythm, and heart rate.

Results

Overall, 23 studies were included that reported data from 12 distinct studies, mostly using smartphones and centered on relapse prevention. Only 1 study explicitly aimed to address physical health outcomes among people with SMI. In total, data were included from over 500 participants with SMI, predominantly from high-income countries. Most commonly, papers presented physical activity data (n=18), followed by sleep and circadian rhythm data (n=14) and heart rate data (n=6). The use of smartwatches to support data collection were reported by 8 papers; the rest used only smartphones. There was some evidence that lower levels of activity, higher heart rates, and later and irregular sleep onset times were associated with psychiatric diagnoses or poorer symptoms. However, heterogeneity in devices, measures, sampling and statistical approaches complicated interpretation.

Conclusions

Consumer-grade wearables show the ability to passively detect digital markers indicative of psychiatric symptoms or mental health status among people with SMI, but few are currently using these to address physical health inequalities. The digital phenotyping field in psychiatry would benefit from moving toward agreed standards regarding data descriptions and outcome measures and ensuring that valuable temporal data provided by wearables are fully exploited.

Trial registration

PROSPERO CRD42022382267; https://www.crd.york.ac.uk/prospero/display_record.php?RecordID=382267.

来源与署名

Utility of Consumer-Grade Wearable Devices for Inferring Physical and Mental Health Outcomes in Severe Mental Illness: Systematic Review.

Hassan L, Milton A, Sawyer C, Casson AJ, Torous J, Davies A, Ruiz-Yu B, Firth J.

JMIR mental health · 2025-01-07

DOI: 10.2196/65143 ↗PubMed · 39773905 ↗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

·队列研究

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

重点论文精讲阅读论文 →
·测量验证研究/综述

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

重点论文精讲阅读论文 →
·综述的综述

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

重点论文精讲阅读论文 →
·测量验证研究/综述

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

重点论文精讲阅读论文 →
可穿戴与测量科学 →