RESILIENT数据集：老龄化相关共病与认知衰退的多模态监测研究

《Scientific Data》：The RESILIENT Dataset: Multimodal Monitoring of Ageing-Related Comorbidities and Cognitive Decline

本刊推荐RESILIENT研究团队针对老龄化共病管理难题开展的创新性研究。通过整合可穿戴设备和居家监测技术，该研究构建了包含73名老年参与者生理、睡眠及认知评估的多模态数据集。验证分析揭示了认知功能与心理健康、体力活动、睡眠模式之间的相关性，为构建虚拟病房、实现早期干预提供了技术基础和数据支持。该数据集已通过Zenodo平台开源（DOI: 10.5281/zenodo.16755408），助力机器学习模型开发与个性化医疗推进。

　　

随着全球人口老龄化进程加速，慢性共病（comorbidity）对医疗系统的压力日益凸显。在英国，长期病症（long-term conditions）占年度医疗支出的70%，其中高血压、糖尿病、心血管疾病等共病更是认知衰退和失能的重要风险因素。然而，传统医疗模式往往针对单一病症进行干预，忽视了多种慢性疾病相互作用的复杂性。这种碎片化诊疗方式不仅导致医疗资源浪费，更错失了早期干预的关键时机。

为破解这一难题，英国帝国理工学院联合英国痴呆症研究所等机构开展了RESILIENT研究，相关成果发表于《Scientific Data》。该研究创新性地构建了一个集成可穿戴设备和居家监测技术的数字平台，通过持续收集生理信号、睡眠数据与认知评估等多模态信息，为老龄化相关健康问题研究提供了宝贵资源。

研究团队采用开源软件平台整合Withings ScanWatch智能手表和Sleep Mat睡眠垫的监测数据，结合REDCap（Research Electronic Data Capture）系统管理的临床评估信息。参与研究的73名65岁以上老年人均确诊至少两种慢性疾病，通过伦理审查和双重脱敏处理确保数据安全。技术方法核心包括：基于Django框架的关系型数据库架构、Withings API数据采集接口、以及面向医护人员的可视化网络应用程序。

数据记录特征

数据集包含四个核心组成部分：人口统计学与基线评估表格（PHQ-9、GAD-7、GDS-15、ACE-III）、元数据描述文件、数据覆盖统计摘要以及按参与者分组的原始时序数据文件夹。ScanWatch记录每小时步数和10分钟间隔心率，Sleep Mat则捕捉睡眠状态（清醒、浅睡、深睡、快速眼动期）及生理参数（心率、呼吸频率、打鼾事件等）。

技术验证结果

性别与年龄分层分析显示，女性日均心率（69.89±9.35 bpm）显著高于男性（65.91±7.49 bpm），而日均步数（女性881.66±1266.85步，男性1167.70±1915.93步）和睡眠时长（女性415.34±35.27分钟，男性435.23±138.61分钟）则低于男性。年龄相关分析进一步证实，72-75岁组步数最多（中位数4,132步/日），88-99岁组最低（中位数2,015步/日），符合年龄增长导致活动能力下降的普遍规律。

相关性分析发现，男性深睡变异度与焦虑（GAD-7: r=0.571）、抑郁（PHQ-9: r=0.363）呈正相关，而较低ACE-III评分与REM期变异度（r=-0.527）和深睡变异度（r=-0.575）负相关。女性组中，REM期持续时间与抑郁（GDS-15: r=0.217）正相关，清醒时间变异度与认知功能（ACE-III: r=-0.358）负相关。这些发现与睡眠稳定性影响心理健康的既有研究相互印证。

个体轨迹可视化

通过对比两名典型参与者的数据轨迹，研究揭示了健康与认知受损个体的显著差异。

认知功能完整者（ACE-III基线94分）呈现稳定的睡眠架构和规律步数模式，其6个月后ACE-III评分（92分）仍保持健康水平。而认知受损者（ACE-III基线67分）则表现为深睡时间延长、体力活动无序，尽管6个月后评分略升至72分，但仍处于认知衰退区间。

该研究的核心价值在于首次实现了长期病症患者多维度健康数据的系统化整合。通过开源数据集（Zenodo: 10.5281/zenodo.16755408）和软件平台（GitHub: tmi-lab/resilient），研究者可开发预测模型用于早期风险识别，为构建虚拟病房（virtual wards）提供技术范本。值得注意的是，数据采集周期最长达到185天，远超常规临床观察时长，为分析健康趋势演变提供了罕见的时间维度。

尽管样本量有限且缺乏统计推断验证，但RESILIENT数据集为探索共病、认知与行为指标的动态关联奠定了坚实基础。未来研究可结合基因组学、代谢组学等多组学数据，进一步揭示老龄化健康的生物机制。这种数据驱动的研究范式将加速精准医疗在老年人群中的落地应用，最终实现"预防优于治疗"的医疗模式转型。