先看重點
一項系統綜述納入35項研究,發現手機和穿戴式感測器資料與精神分裂症、雙相情感障礙和憂鬱症的症狀相關。研究多集中在雙相情感障礙、憂鬱和壓力,涉及精神分裂症的很少,作者認為其輔助治療的臨床價值尚未得到充分評估。
證據類型
證據回顧
解讀依據
公開摘要
閱讀重點
方法與適用範圍
研究在問什麼
歐盟資助的m-RESIST專案正在為難治性精神分裂症設計治療方案,利用手機和穿戴式感測器資料追蹤行為。作者回顧現有研究,檢視感測器資料是否與精神症狀相關,以判斷行為監測能否輔助治療。
研究對象與方法
按PRISMA指南進行的系統綜述。作者檢索了Scopus、PubMed、Web of Science和Cochrane中央對照試驗註冊庫中2009年9月1日至2018年9月30日發表的英文研究。納入的研究須報告來自手機使用和/或穿戴式感測器的定量資料,並與臨床結局相關聯。摘要未報告效應量或研究質量評分。
主要發現
以下為作者報告的結果。數值須連同族群和不確定性一起閱讀。
- 1共有35項研究符合條件。多數研究的是雙相情感障礙、憂鬱、憂鬱症狀、壓力和壓力症狀,只有少數研究涉及精神分裂症患者。
- 2感測器資料與精神分裂症、雙相情感障礙和憂鬱症的症狀相關。
- 3這些方法在臨床環境中能否輔助治療,尚未得到充分評估,作者認為需要更仔細的檢驗。
限制與不確定性
- 135項研究中涉及精神分裂症的很少,而這恰是m-RESIST專案針對的疾病。
- 2摘要只說感測器資料與症狀相關,沒有給出效應量,也沒有說明預測症狀的準確程度。
- 3只納入2009年至2018年9月的英文研究,之後發表的及非英文研究沒有包含在內。
- 4以上解讀僅基於摘要。
日常健康啟示
手機和穿戴式裝置中的活動、手機使用等模式似乎會隨精神症狀而變化,這也是研究者看好其前景的原因。但這並不意味著消費級裝置可以診斷或監測精神疾病。與心理健康相關的決定應由醫師做出。
如何連結自己的資料
穿戴式裝置記錄的睡眠、步數和日常活動,屬於這些研究所用的感測器資料。如果你把它們與自己的情緒一起記錄,請在同一裝置上觀察數週的變化,持續的明顯變化請告訴醫師,不要自行解讀。
如何理解這類證據
先看納入了哪些設計、文獻搜尋與偏誤評估如何完成,以及搜尋截止日期;發表新不代表底層證據都是最新的。
作者的結構化摘要 English
以下英文摘要依所記錄的開放授權轉載,屬於作者原始材料,並非 MoveVitals 解讀。上方已提供研究解讀,分別說明作者結果與本站解釋;重要結論可直接查核原文。
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.
來源與署名
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 · 所記錄的開放授權: cc by ↗摘要著作權歸原作者,依來源紀錄的開放授權轉載。中文譯文協助閱讀,英文摘要供查核術語及具體數值;本站的方法學解釋與作者結論分別呈現。
MoveVitals 編輯解讀 · 健康教育內容 · 未記錄個人臨床審閱
來源查核日期 2026-11-01
實用健康指南
放在一起讀
加速度計處理方法不同,身體活動與中風、心肌梗死的關聯曲線也不同
在英國生物銀行中,基線無心血管疾病的90237名成年人追蹤至2022年12月,共發生1298例中風和2031例心肌梗死;中高強度身體活動(MVPA)與這兩種結局的關聯曲線形狀,取決於加速度計資料的處理方法。就中風而言,只有機器學習法得到直線下降的風險;就心肌梗死而言,機器學習法和LFENMO法呈曲線下降,活動計數法呈直線下降。摘要沒有給出風險比,只能說明不同方法的結論不一致,不能說明哪種方法更正確,而且這些只是觀察性關聯。
Preventive Medicine
智慧手錶資料能當「證人」嗎:心率驗證得最充分,其餘證據參差
一項圍繞數字取證展開的系統評價和統合分析,梳理了四大主流品牌智慧手錶的驗證研究,發現心率是研究最多、也最準確的指標。步數、距離、能量消耗、活動分類和睡眠的驗證不夠一致,結果因品牌、方案和報告方式而異。摘要沒有給出彙總資料,且多數研究是在健康族群中、於實驗室內完成的,所以無法說明某一塊手錶對某個人在日常生活中的表現。
Forensic Science International
活動追蹤器:每天多走約1800步,對其他健康指標影響較小
這項傘形綜述彙總了39篇系統評價和統合分析,涉及163992名參與者;結果顯示使用活動追蹤器與身體活動增加相關(標準化均數差SMD為0.3–0.6),相當於每天多走約1800步、多步行40分鐘,體重減輕約1公斤。對血壓、膽固醇、糖化血紅蛋白、生活質量和疼痛的影響通常很小,且多數不顯著。摘要沒有說明這些專案裡追蹤器還搭配了什麼,也沒有說明各評價之間重疊多少,因此不能把效果完全歸功於裝置本身。
The Lancet Digital Health
七款睡眠追蹤裝置:識別睡著很準,識別醒著和睡眠分期較差
在睡眠實驗室裡,34名健康的年輕成年人連續三晚佩戴七款消費級睡眠追蹤裝置中的若干款。與多導睡眠監測相比,所有裝置識別睡眠都很準(靈敏度均不低於0.93),但識別清醒較差(特異度0.18–0.54),七款中有五款與研究用活動記錄儀(特異度0.39)持平或更好;睡眠分期的估計結果不穩定。受試者是18至35歲的健康成年人,臥床時間固定為8小時,每款裝置只在其中11至20人身上測試,因此對有睡眠問題的人幾乎沒有參考價值。
Sleep

