基于被动感知家庭停留时间早期变化预测数字行为激活治疗中抑郁症状改善的研究

推荐：本研究针对数字行为激活(BA)治疗中部分患者无应答的问题，通过智能手机被动感知技术监测早期行为变化（如家庭停留时间homestay），发现治疗前两周homestay减少程度可预测PHQ-8抑郁症状改善（b=0.94, p=.025），为抑郁症精准干预提供客观预警指标。

　　

全球抑郁症负担日益加重，年轻人群患病率15年内翻倍，数字行为激活(Behavioral Activation, BA)因其可及性和低成本成为重要解决方案。然而，约30%-50%患者对数字BA无应答，传统依赖自我报告的疗效预测方法存在回忆偏差和依从性问题。美国俄勒冈大学等机构团队在《Behaviour Research and Therapy》发表研究，首次验证智能手机被动感知数据可作为数字BA疗效的早期预测指标。

研究采用12周随机对照试验设计，47名抑郁症状加重的年轻成人使用Vira BA应用程序，通过GPS和加速度计每日监测homestay（家庭停留时间）、步行等6类行为数据。关键技术包括：(1)多水平增长模型量化前两周行为变化斜率；(2)PHQ-8量表评估症状改善；(3)分层回归分析行为变化与疗效关联。

【结果】

1. 主要发现：早期homestay减少幅度与抑郁症状改善显著相关（b=0.94, p=.025），提示行为退缩减少预示更好疗效。
2. 次要指标：步行、静坐时间等运动指标及睡眠参数变化无显著预测作用（ps>.158）。
3. 探索性分析：教练指导与自主使用版本间预测模式无差异。

【结论】
被动感知的homestay变化可作为数字BA疗效的"数字生物标志物"，其预测效力优于传统运动指标。该发现突破性地实现三点临床价值：(1) 为"治疗无效"风险人群提供客观识别窗口；(2) 指导阶梯式治疗调整时机；(3) 验证传感器数据替代自我报告的可行性。研究为抑郁症精准医疗开辟新路径，未来可整合机器学习实现实时疗效预测。局限性包括样本量较小和未评估长期预后，需扩大验证其他BA干预场景。