跳到正文
穿戴裝置與測量科學證據回顧3 分鐘閱讀

智慧手機和手錶可捕捉精神分裂症和雙相障礙的活動與睡眠訊號,但證據有限

MoveVitals 編輯部 · 研究發表 · 解讀更新

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 · 論文原文 ↗

先看重點

這篇系統綜述納入來自12項不同研究的23篇論文,有一些證據表明,活動量低、心率高、入睡晚且不規律,與精神分裂症或雙相障礙患者的精神科診斷或症狀較重相關。裝置、測量和統計方法差異很大,結果難以比較。

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

消費級穿戴式裝置和智慧手機可以被動記錄運動、睡眠和心率,有望用於遠端監測嚴重精神疾病,但它們的作用尚不清楚。作者綜述了這類資料對於監測或預測精神分裂症和雙相障礙成人患者身心健康變化的價值。

研究對象與方法

系統綜述(PROSPERO註冊號CRD42022382267),檢索Cochrane對照試驗中心註冊庫、Technology Assessment、AMED、APA PsycINFO、Embase、MEDLINE和IEEE Xplore,檢索截至2024年5月。納入的研究須被動收集至少3天的生理資料,例如睡眠時長、心率、睡眠與覺醒模式或身體活動;研究級活動記錄儀和有明顯佩戴負擔的裝置被排除。由於研究間異質性,結果採用敘述性綜合,並分為身體活動、睡眠與晝夜節律、心率三類。

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. 1
    共納入報告12項不同研究的23篇論文,多數使用智慧手機,以預防復發為主。只有1項研究明確以身體健康結局為目標。
  2. 2
    500多名嚴重精神疾病患者提供了資料,主要來自高收入國家。論文中呈現身體活動資料的有18篇,睡眠與晝夜節律資料14篇,心率資料6篇;8篇論文用了智慧手錶,其餘僅用智慧手機。
  3. 3
    有一些證據表明,活動量較低、心率較高、入睡較晚且不規律,與精神科診斷或症狀較重相關。
  4. 4
    裝置、測量、取樣和統計方法的差異,使結果解讀變得複雜。

限制與不確定性

  1. 1
    僅有12項不同研究,總共500多名參與者,且主要來自高收入國家,限制了結果推廣到其他地區。
  2. 2
    裝置、測量、取樣和統計方法的異質性使得無法給出合併估計,摘要也沒有報告準確性指標。
  3. 3
    只有8篇論文使用智慧手錶,涉及心率的僅6篇,心率方面的證據最薄弱;發現的關聯並不說明裝置能預測個體的復發。
  4. 4
    以上解讀僅基於摘要。

日常健康啟示

手機和手錶的被動資料將來也許能提示與症狀相伴的活動或睡眠變化,但目前證據尚早且不一致。這些訊號不是診斷,也不是復發警報。精神分裂症或雙相障礙患者及其家人,如發現令人擔憂的變化,應告訴診療團隊。

如何連結自己的資料

綜述涉及的訊號,即每日活動、睡眠時間和靜息心率,正是許多穿戴式裝置都會記錄的內容。請在同一裝置上,把自己的模式與自身基線比較數週,並留意入睡時間是否規律,但不要把變化當作診斷。

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

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.

來源與署名

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 · 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

·世代研究

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

重點論文精講閱讀論文 →
·測量驗證研究/回顧

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

重點論文精講閱讀論文 →
·回顧的回顧

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

重點論文精講閱讀論文 →
·測量驗證研究/回顧

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

重點論文精講閱讀論文 →
穿戴裝置與測量科學 →