编辑推荐：
情绪和焦虑障碍患病率高且共病情况复杂，现有测量工具存在缺陷。研究人员开展数字表型研究，收集 eMASQ - EMA 等数据。结果显示多种测量指标间存在显著关联，该研究为监测精神疾病症状提供新途径。
在现代社会，情绪和焦虑障碍如同隐藏在人群中的 “暗疾”，悄无声息地影响着无数人的生活。在美国，这些疾病高度流行且常常共病，像重度抑郁症（Major Depressive Disorder，MDD）和广泛性焦虑障碍（Generalized Anxiety Disorder，GAD），它们不仅有着相似的临床症状，如执行功能缺陷、睡眠障碍、疲劳等，还会相互影响，使得诊断和治疗变得极为复杂。
当前，用于测量和诊断情绪及焦虑障碍的传统工具，如基于《精神疾病诊断与统计手册》（Diagnostic and Statistical Manual of Mental Disorders，DSM）的临床访谈，虽然能进行分类诊断，但却难以捕捉症状的细微变化和日常波动。而自我报告的情绪和焦虑症状问卷（Mood and Anxiety Symptom Questionnaire，MASQ），虽能测量症状严重程度，却受回忆偏差的影响，无法准确反映患者的真实情况。这就好比用一把有误差的尺子去测量物体，得到的结果总是与实际情况存在偏差。
为了突破这些困境，来自美国西奈山伊坎医学院（Icahn School of Medicine at Mount Sinai）等机构的研究人员展开了一项极具意义的研究。他们希望通过数字化的手段，更精准地监测和理解情绪及焦虑障碍。
研究人员利用智能手机应用程序 mindLAMP，收集了 114 名参与者（最终 101 名符合分析要求）的主动数据和被动数据。主动数据包括基于 MASQ 开发的焦虑、痛苦和抑郁的单项目电子评估（electronic MASQ - ecological momentary assessment，eMASQ - EMA），以及内在和外在动机的评估；被动数据则通过智能手机传感器收集，如步数和屏幕使用时间。
研究结果令人眼前一亮。首先，eMASQ - EMA 与实验室测量的 MASQ 指标显著相关，这意味着这些数字化的评估能够有效反映患者的症状严重程度。就好像找到了一把更精准的尺子，能够更准确地衡量病情。
内在和外在动机与焦虑、痛苦和抑郁的 eMASQ - EMA 均呈显著负相关。也就是说，较高的内在或外在动机与较低的症状严重程度相关。而且，这种关系在情绪和焦虑障碍患者群体中更为明显。例如，内在动机每增加一点，患者的症状严重程度可能就会有更显著的降低，这表明内在动机在调节情绪和焦虑症状方面起着重要作用。
在身体活动方面，研究发现较高的身体活动水平（以步数衡量）与较低的焦虑、痛苦和抑郁症状严重程度相关。有趣的是，这种关系在时间上存在延迟，大约一周后身体活动对抑郁和焦虑症状的改善效果才更为显著。这就像种下一颗种子，需要一定时间才能看到它开花结果。
相比之下，屏幕时间仅与痛苦症状的发生率存在关联，较高的屏幕时间会增加没有痛苦症状的几率，但对焦虑和抑郁症状没有明显影响。这说明屏幕时间与心理健康的关系较为复杂，可能受到多种因素的影响。
研究人员还运用了依赖网络分析（Dependency Network Analysis，DEPNA）模型，发现内在和外在动机对整个症状网络的影响最大。在情绪和焦虑障碍患者群体中，抑郁症状受其他测量指标的影响最大，这表明抑郁症状可能更容易受到各种因素的调节。
该研究成果发表在《npj Digital Medicine》上，为情绪和焦虑障碍的研究开辟了新的道路。它不仅证明了数字表型在监测精神疾病症状方面的可行性和实用性，还为后续研究提供了重要的参考方向。
在研究方法上，研究人员主要采用了以下关键技术：
- 数字表型技术：借助 mindLAMP 应用程序收集参与者的主动和被动数据，实现对症状和行为的实时监测。
- 生态瞬时评估（EMA）：通过 eMASQ - EMA 等方式，在真实世界中对参与者的情绪和焦虑症状进行多次评估，减少回忆偏差。
- 统计模型：运用零膨胀泊松（ZIP）模型分析动机、身体活动、屏幕时间与症状之间的关系；利用DEPNA模型评估各测量指标之间的相互作用和影响。
下面详细介绍研究结果：
- 参与者情况：共有 114 人参与研究，经过数据清洗和预处理，最终 101 名参与者（49 名健康对照（Healthy Control，HC），52 名情绪 / 焦虑障碍（Mood/Anxiety disorder，MA）患者）的数据用于分析。MA 组中多数患者存在共病情况（63.5%）。
- 依从性：HC 组和 MA 组在 30 天内完成 EMA 的平均天数无显著差异，整体依从性良好，与先前相关研究的完成率相符。
- eMASQ - EMA 与实验室测量指标的关系：在全队列中，MASQ 的焦虑唤醒、一般痛苦和快感缺乏抑郁子量表分别与对应的 eMASQ - EMA 显著相关，分层分析结果也支持 eMASQ - EMA 在测量情绪和焦虑症状方面的有效性。
- 动机对症状的影响：内在动机和外在动机均对焦虑、痛苦和抑郁症状有显著影响。内在动机增加时，MA 组和 HC 组的症状严重程度差异更大；外在动机增加时，两组的焦虑严重程度差异更明显。此外，周末对痛苦症状有影响，且外在动机与症状的关系在周末和工作日存在差异。
- 身体活动对症状的影响：较高的身体活动水平与较低的焦虑、痛苦和抑郁症状严重程度相关，且 MA 组中身体活动与抑郁症状的关系更强。时间滞后分析显示，身体活动对抑郁和焦虑症状的改善效果在大约一周后更为显著。
- 数字活动对症状的影响：屏幕时间仅对痛苦症状的发生率有影响，较高的屏幕时间会增加没有痛苦症状的几率，对焦虑和抑郁症状无明显影响，且屏幕时间与症状的关系在周末和工作日也存在差异。
- DEPNA模型分析结果：DEPNA模型显示，内在和外在动机对 MA 组症状网络的影响最大，抑郁症状受其他测量指标的影响最大。此外，内在动机对身体活动的影响在 MA 组中更为明显。
研究结论和讨论部分再次强调了该研究的重要意义。数字表型为准确监测精神疾病症状提供了新的有效途径，其良好的依从性为长期监测提供了可能。内在和外在动机在情绪和焦虑障碍中起着关键作用，评估动机水平有助于理解疾病风险、症状变化和治疗效果。同时，研究也指出了存在的局限性，如数据缺失、模型的局限性、样本多样性不足等，为后续研究指明了方向。未来研究可以进一步优化研究方法，扩大样本量，深入探讨动机、身体活动和数字活动与情绪和焦虑障碍之间的复杂关系，为临床治疗和干预提供更有力的支持。
