[论文解读] Identifying differences in physical activity and autonomic function patterns between psychotic patients and controls over a long period of continuous monitoring using wearable sensors

Panagiotis P. Filntisis, Athanasia Zlatintsi+6 more|arXiv (Cornell University)|Oct 30, 2020

Mental Health Research Topics参考文献 29被引用 4

一句话总结

本研究利用智能手表采集的长期可穿戴传感器数据，识别出精神分裂症患者与健康对照组在体力活动和自主神经功能方面的显著差异。研究采用短时信号分析方法，结合标准与新型非线性特征（尤其是MFD、样本熵和HRV指标），发现患者在清醒状态下表现出更高的运动与自主神经标志物变异性，而睡眠期间活动减少，提示这些特征可能成为复发预测的潜在生物标志物。

ABSTRACT

Digital phenotyping is a nascent multidisciplinary field that has the potential to revolutionize psychiatry and its clinical practice. In this paper, we present a rigorous statistical analysis of short-time features extracted from wearable data, during long-term continuous monitoring of patients with psychotic disorders and healthy control counterparts. Our novel analysis identifies features that fluctuate significantly between the two groups, and offers insights on several factors that differentiate them, which could be leveraged in the future for relapse prevention and individualized assistance.

研究动机与目标

• 通过被动、无创的可穿戴传感器数据检测精神障碍的可靠、连续生物标志物。
• 比较精神分裂症患者与健康对照组在长期范围内的体力活动与自主神经系统功能。
• 评估传统与新型非线性信号特征在区分患者与对照组方面的判别能力。
• 探索利用消费级智能手表在精神疾病人群中实现长期、真实世界监测的可行性。
• 为未来基于数字表型的复发预测与个性化临床干预奠定基础。

提出的方法

• 采用市售智能手表对23名对照组与22名精神分裂症患者进行24小时不间断、长期（超过1年）的连续监测。
• 通过时域、非线性和分形分析技术，从加速度计（acc）、陀螺仪（gyr）和心率变异性（HRV）信号中提取短时特征。
• 应用标准差、样本熵（sampen）、Poincaré图参数（SD1、SD2）以及多尺度分形维数（MFD）特征，检测两组间的差异。
• 使用Mann-Whitney U检验评估患者与对照组在清醒与睡眠状态下特征分布的统计显著性。
• 通过描述性统计与箱线图可视化，比较运动与自主神经标志物的均值、标准差与变异性。
• 聚焦于源自短时能量、HRV与分形几何的特征，以识别细微且持续的生理差异。

实验结果

研究问题

• RQ1 在长期监测过程中，精神分裂症患者与健康对照组在体力活动与自主神经功能特征方面存在哪些显著差异？
• RQ2 短时信号特征——尤其是非线性与分形测量——在区分患者与对照组方面表现如何？
• RQ3 患者与对照组在清醒与睡眠期间的运动变异性与自主神经调节模式存在多大程度的差异？
• RQ4 可穿戴传感器数据能否揭示超越传统临床评估的持久、临床相关的精神障碍生物标志物？
• RQ5 药物效应与生活方式因素（如吸烟）可能如何影响观察到的生理差异？

主要发现

• 患者在清醒状态下的加速度计与陀螺仪信号短时能量标准差显著升高，表明运动变异性更大。
• Poincaré图参数（SD1与SD2）的标准差存在显著差异，提示患者短时心率变异性发生改变。
• HRV的样本熵均值与标准差在清醒与睡眠状态下均显示显著组间差异，尤其在睡眠期间更为显著。
• 多尺度分形维数（MFD）特征——特别是MFD的均值、最小值、最大值与标准差——在清醒与睡眠期间两组间均存在显著差异。
• 睡眠-清醒比与日均步数表现出极显著差异（p < 0.001），患者步数更少且变异性更高。
• 使用Lomb-Scargle周期图进行的谱分析未发现显著差异，表明非线性与时域特征比频域特征更具判别力。