《NPP—Digital Psychiatry and Neuroscience》：Bouncing back from stress: objective markers of expressive flexibility and resilience in emergency healthcare workers using computer vision
编辑推荐：
急诊科的健康护理人员面临重大的心理健康风险，这归因于慢性应激源和反复的创伤暴露，然而症状报告不全和自我报告中的偏差阻碍了准确的评估。情绪表达灵活性，即动态调节并从反映在可观察行为中的情绪唤醒的应激源相关变化中恢复的能力，已被证实与心理韧性相关。这项由美国国立卫
急诊科的健康护理人员面临重大的心理健康风险，这归因于慢性应激源和反复的创伤暴露，然而症状报告不全和自我报告中的偏差阻碍了准确的评估。情绪表达灵活性，即动态调节并从反映在可观察行为中的情绪唤醒的应激源相关变化中恢复的能力，已被证实与心理韧性相关。这项由美国国立卫生研究院（NIH）资助的研究利用数字表型和计算机视觉技术，分析了240名医护人员（278次评估）在录制关于工作相关应激情况的视频访谈中的动态面部表情。参与者额外完成了经过验证的问卷，以评估职业倦怠、创伤后应激障碍（PTSD）、抑郁、焦虑和心理韧性。潜在剖面分析揭示了两种临床表型：高风险表型（占57.6%）和韧性/适应型表型（占42.4%）。机器学习模型表现出较高的分类性能（准确率 = 0.83 ± 0.06，F1分数 = 0.87 ± 0.05）。研究人员的发现表明，时间面部动态的数字生物标志物可能作为情绪表达灵活性的客观行为代理指标，潜在地捕捉与潜在应激调节过程相一致的动态。这些发现突显了它们在改善心理韧性相关表型识别以及支持医护人员健康和心理健康方面的潜力。
急诊科的健康护理人员由于长期在快速变化和高要求的环境下工作，不断暴露于各种应激源之中。职业风险的累积代价导致了全球急诊医护人员面临巨大的心理困境。尽管许多人展现出了显著的心理韧性，但由于病耻感和医学环境推崇的坚忍主义，他们真实的心理症状发生率往往被低估。由于症状报告不足阻碍了准确的临床评估，迫切需要客观的方法来识别需要支持的群体。心理韧性依赖于有效适应性的情绪调节策略，而情绪表达灵活性（即根据情境要求增强或抑制面部表情的能力）是适应压力的核心行为机制。以往研究多依赖自我报告，易受报告偏差影响。因此，开展这项研究旨在探索利用数字表型和计算机视觉分析面部动态，以提供不受主观干预的客观行为代理指标，用于识别急诊医护人员心理韧性相关的表型。该论文发表在《NPP—Digital Psychiatry and Neuroscience》。
研究人员利用美国国立卫生研究院（NIH）资助的纵向观察队列，招募了来自纽约市及其周边急诊科和创伤科的240名医护人员进行278次有效评估。采用的主要关键技术方法包括：使用传统心理学问卷收集心理健康数据后进行潜在剖面分析（LPA，一种基于相似症状模式识别子组的统计方法）；利用计算机视觉工具（如Py-Feat和OpenFace）进行时间序列构建及面部特征提取，分析视频中的情绪分类、面部动作单元（AUs）和效价动态；最后，构建嵌套交叉验证框架的机器学习（ML）管道，结合软投票集成模型进行分类，并运用SHapley Additive exPlanations（SHAP，一种模型解释方法）量化特征贡献进行模型可解释性分析。
研究结果总结如下：
临床表型：通过对240名医护人员的278次问卷评估进行潜在剖面分析，识别出两种最佳拟合的临床表型。高风险表型占总评估的57.6%，表现为职业倦怠相关的情绪衰竭和去人格化、抑郁、焦虑及PTSD症状水平显著更高，且心理韧性评分较低。韧性/适应型表型占42.4%，表现出相反的模式，即显著较低的心理症状水平和较高的韧性及个人成就感评分。
模型性能和可解释性：对133名参与者的168个视频记录进行动态面部特征分析。机器学习结果表明，结合所有基础分类器概率预测的集成分类器表现最佳，其接收者操作特征曲线下面积（AUROC）得分为0.90，能够在两种表型间实现稳健区分。模型可解释性分析显示，右上眼睑收紧动作强度的方差，以及表达悲伤和恐惧持续时间的方差，是分类高风险表型最具决定性的特征。
最后是研究讨论部分的翻译与总结。研究认为，通过被动观察视频数据捕捉的时间面部动态数字生物标志物，可以作为情绪表达灵活性的客观代理指标。表现出更多动态面部表情变化的个体更可能被归类为具有韧性/适应型表型，为心理韧性与情绪表达灵活性的联系提供了实证支持。该方法可作为传统自我报告的有力补充，提高高压环境中早期心理风险检测的准确性，并应对高病耻感环境下的报告不足。此外，尽管面部表达不能完全捕捉内部复杂的情绪调节过程，但其在真实环境生态效度中提供了动态外部客观反应。虽然存在依赖自我报告进行表型划分等方法学局限，但该研究为数字表型领域奠定了基础。它有望成为客观、可扩展的早期风险识别工具，从而指导未来的研究并补充现有的情绪调节干预措施，最终增强高压力职业群体的心理健康和心理韧性。
