编辑推荐：
在精神疾病（如精神病和精神分裂症）的管理中，及时监测和识别复发至关重要，但现有方式存在诸多难题。研究人员开展 “对精神病和精神分裂症远程监测的被动数据” 研究，发现数据处理与分析方法不规范等问题，为后续研究改进提供方向。
在现代社会，精神疾病给个人、家庭和社会带来了沉重的负担。精神病（Psychosis）是一种个体与现实部分脱离的精神状态，表现为幻觉、妄想等症状；精神分裂症（Schizophrenia）则是一种更为严重的精神疾病，其症状长期、频繁出现，严重影响患者的生活和社会功能 。这些疾病的复发率较高，然而，由于与心理健康服务接触不频繁，以及患者对自身症状回忆的不准确，及时监测和识别复发成为一大难题。
随着数字技术的飞速发展，利用手机、可穿戴设备等数字工具对精神病和精神分裂症患者进行远程监测成为可能。这些设备能够收集大量的被动数据，有望帮助医护人员及时发现疾病复发的迹象，为患者提供更早的干预。但在实际应用中，被动数据的使用面临着诸多挑战，比如数据缺失、可重复性问题以及分析难度大等。而且，目前对于被动数据的预处理和分析方法缺乏统一的标准和全面的总结。在此背景下，来自英国曼彻斯特大学（The University of Manchester）等机构的研究人员开展了一项系统性回顾研究，旨在总结过往研究中如何收集、处理和分析被动数据，相关成果发表在《npj Digital Medicine》杂志上。
研究人员主要采用了文献检索与筛选、数据提取与综合以及质量评估等技术方法。首先，他们在 Embase、PsychInfo、Medline 和 CINAHL 四个数据库中进行全面检索，筛选出符合条件的文献。然后，对这些文献进行数据提取，包括研究样本特征、数据收集方式、数据处理和分析方法等，并对数据进行分类和总结。对于部分研究，还采用 QUIPS 或 PROBAST 工具进行质量评估 。
研究结果
- 研究筛选与特征：通过严格筛选，最终纳入 203 篇文章。这些研究的样本量中位数为 60，精神分裂症或精神病样本中位数为 36，参与者年龄中位数为 40 岁，女性占比中位数为 40.0%。多数研究（55.0%）收集被动数据时间少于 7 天，且多为单次收集。
- 设备与传感器：研究中最常用的设备是研究级加速度计（115 项研究），其次是智能手机（46 项研究）。加速度计是使用最频繁的传感器，在智能手机中，GPS、加速度计和手机使用相关传感器也较为常用。
- 特征与行为：共发现 65 种在至少两项研究中使用的特征，最常见的包括睡眠时长（50 项研究）、久坐时间（41 项研究）等。按行为类型分类，身体活动和睡眠相关特征出现频率最高。
- 数据质量与数量评估：仅 30 项研究评估了数据质量，69 项研究应用了数据数量阈值，但多数未明确报告排除或保留的数据量。数据质量评估方法多样，如检查数据错误、去除异常值等。
- 数据处理与分析方法：数据处理使用了多种软件和算法，如 ActiLife、Google Activity Recognition API 等。在分析方法上，多数研究未充分利用纵向数据，常用方法包括混合效应模型、时间序列分析和机器学习方法等，但在处理缺失数据方面存在不足。
- 研究目的与结果：多数研究评估被动数据与临床评估分数等的相关性，部分研究用于评估药物或干预措施的有效性、开发监测方法工具等。部分研究开发模型预测临床结果或分类参与者群体，但多数研究存在样本量小、风险偏倚高等问题。
研究结论与讨论
该研究表明，虽然利用可穿戴设备收集精神病和精神分裂症患者的被动数据越来越普遍，但在数据处理和分析方法的报告方面存在不一致性，这给研究的可重复性带来困难。多数研究在数据质量评估、缺失数据处理以及充分利用纵向数据方面存在不足。
为了提高该领域研究的可重复性和有效性，需要显著改进方法报告，包括设备细节、数据预处理、质量评估和缺失数据处理等方面。同时，应鼓励使用开源或标准化方法，以增强被动数据分析的一致性。此外，研究人员还需关注其他未充分报告的方面，如不良事件等。这项研究为后续研究指明了改进方向，有助于推动精神疾病远程监测领域的发展，更好地利用被动数据为患者提供更有效的治疗和护理。
