基于信号处理的生态瞬时评估频率优化：从奈奎斯特-香农定理解析抑郁症状动态监测策略

《Psychological Medicine》：Optimizing the frequency of ecological momentary assessments using signal processing

语 为平衡生态瞬时评估（EMA）中采样频率与参与者负担的矛盾，本研究创新性地引入信号处理领域的奈奎斯特-香农定理，通过分析两项独立EMA数据集（共35,452个数据点），发现抑郁症状波动以月频、双周频和隔天频为主导。结果表明，常规监测中每周采样即可捕捉核心动态，而治疗期需每日采样。该方法为精神健康研究提供了数学严谨的采样频率优化框架，对个性化EMA方案设计具有重要指导意义。

　　

抑郁症状如同起伏的潮汐，其动态变化是精神健康研究中的核心挑战。生态瞬时评估（Ecological Momentary Assessment, EMA）通过高频次实时追踪症状，为捕捉这些波动提供了强大工具。然而，一个长期困扰研究者的问题浮出水面：究竟应该以何种频率对参与者进行采样？采样过疏可能像模糊的镜头般扭曲真实症状模式，产生“混叠效应”（aliasing）；采样过密则可能加重参与者负担，导致数据缺失或选择性脱落。这一困境呼唤一种兼顾科学严谨性与实践可行性的优化策略。

在这一背景下，发表于《Psychological Medicine》的研究另辟蹊径，将工程学领域的经典理论——奈奎斯特-香农定理（Nyquist-Shannon theorem）引入精神健康领域。该定理指出，要准确重建连续信号，采样频率需超过信号最高频率分量的两倍。研究团队将抑郁症状概念化为潜在连续过程，通过功率谱密度（Power Spectrum Density, PSD）分析量化其波动特征，从而为EMA采样频率提供数学依据。

为验证该方法，研究团队分析了两项独立EMA数据集。数据集1来自WARN-D项目，包含368名参与者连续90天的每日PHQ-2^*（患者健康问卷-2适应性版本）评分；数据集2源自Fisher等（2017）的研究，对39名MDD或广泛性焦虑障碍（Generalized Anxiety Disorder, GAD）患者进行每日4次视觉模拟量表（Visual Analogue Scale, VAS）评估，持续30天。通过韦尔奇法（Welch’s method）计算累积PSD，研究揭示了症状波动的核心节律。

关键技术方法

研究采用信号处理中的傅里叶变换（Fourier Transform）将时间域症状数据转换为频率域，并通过PSD分析识别主导波动频率。使用韦尔奇法（分段重叠50%）降低噪声，以累积PSD的“膝点”（knee point）确定最优采样阈值。数据集1源自荷兰高校学生的WARN-D队列（n=368），数据集2为公开的临床患者数据（n=39）。通过线性插值处理缺失值，并比较不同症状数量（2-21项）对PSD的影响。

研究结果

1. 抑郁症状波动以低频为主导

累积PSD分析显示，两个数据集的症状波动均集中于低频区域。数据集1的膝点位于0.03/天（月频），表明每16天采样一次即可捕获主要动态。但进一步分析发现，在双周频（0.07/天）和隔天频（0.5/天）存在显著峰值，提示更高采样频率可捕捉额外动态信息。

2. 临床人群波动变异性更高

数据集2（临床样本）的参与者间变异显著高于数据集1（亚临床样本），尤其在18-26天波动周期（p=0.006-0.038）。这表明MDD/GAD患者的症状动态更具异质性，需个性化采样策略。

3. 症状数量不影响采样频率

增加评估症状数量（2至21项）未改变累积PSD斜率（0.96-0.98），说明核心波动特征不受问卷长度影响，简化评估仍有效。

结论与意义

本研究首次将奈奎斯特-香农定理系统应用于EMA设计，揭示了抑郁症状的三层波动机制：月频（长期趋势）、双周频（诊断相关）和隔天频（急性反应）。基于此，常规监测可采用每周采样，治疗期需每日评估，而个体化方案可通过短期高频基线PSD分析定制。研究突破了传统经验性采样范式，为精神健康动态监测提供了可量化的理论框架，并为未来探索症状特异性波动（如认知vs.躯体症状）奠定方法学基础。

局限性包括未涵盖夜间采样效应、突发状态转换（如抑郁发作）的捕捉挑战，以及未控制药物等混杂因素。未来工作需结合事件触发采样（event-contingent sampling）与多症状频谱分析，进一步优化精准精神医学的评估策略。