《PLOS Digital Health》:An exploratory study of patient hospitalization patterns and behavioral risk factors using mobile phone location data
编辑推荐:
这项探索性观察性研究通过人类移动性数据的地理分析,考察了行为模式与住院之间的关联。研究人员从2022年4月1日至2023年2月28日期间,获取了东京南部医疗区域(品川区和大田区)一个移动位置数据平台用户的匿名化全球定位系统(GPS)位置数据。行为模式,包括外出
这项探索性观察性研究通过人类移动性数据的地理分析,考察了行为模式与住院之间的关联。研究人员从2022年4月1日至2023年2月28日期间,获取了东京南部医疗区域(品川区和大田区)一个移动位置数据平台用户的匿名化全球定位系统(GPS)位置数据。行为模式,包括外出就餐频率和医疗机构访问次数,是从移动数据中推断得出的。住院被定义为至少连续两天的医院停留,基于位置轨迹进行识别。主要终点是观察期间外出就餐行为与住院之间的关联。研究人员使用逻辑回归模型估计比值比(OR)和95%置信区间(CI)。研究人员使用维恩图展示组间重叠的行为特征,通过可视化难以通过平均回归效应捕捉的行为并支持假设生成,来补充基于回归的分析。总共纳入647名参与者,其中580名被归类为门诊患者,而67名在研究期间经历了住院。与外出就餐频率较低的参与者相比,仅每月外出就餐超过八次的参与者观察到更高的住院几率(OR = 1.89, 95% CI: 1.05–3.43)。其他外出就餐频率类别未观察到明确的关联,其置信区间包含空值。维恩图分析表明,在住院组中,同时具有频繁门诊访问和频繁外出就餐行为的个体更为普遍。这些发现证明了手机衍生的移动性数据在识别与住院相关的行为模式方面的潜在效用。然而,鉴于观察性设计、对间接行为代理的依赖以及缺失的人口学信息(包括年龄和性别),应谨慎解读结果。需要整合详细临床和人口学数据的进一步研究,以阐明因果关系并评估基于移动性的行为指标在医疗保健环境中的适用性。
**研究背景与问题**
健康饮食、规律运动与充足睡眠是公认的健康相关因素。既往研究显示,养狗者因陪伴带来的心理稳定及遛狗带来的身体活动,其死亡和痴呆风险较低;而习惯性外出就餐则与死亡率升高、肥胖、心血管疾病及糖尿病等负面健康结局相关。COVID-19疫情期间,封锁限制进一步加剧了不健康行为。这些模式表明,通过人们的移动模式可以相当准确地预测健康习惯,即监测移动可作为健康相关习惯的替代标志。过去十年,随着全球定位系统(GPS)技术的发展,人类移动地理分析已应用于交通拥堵预测、公共交通优化、灾害疏散规划及空气污染评估等领域。在医疗保健领域,虽然个体层面的数字疗法已引入,但针对人群作为“大数据”的行为分析(不限制于特定疾病群体或人口学特征)尚不充分。因此,研究人员利用人类移动地理分析开展了一项探索性调查,以研究与住院相关的行为模式。该研究发表在《PLOS Digital Health》上。
**主要关键技术方法**
研究人员从Blogwatcher, Inc.获得匿名化处理后的手机位置数据,覆盖2022年4月1日至2023年2月28日东京南部医疗区域(品川区和大田区)的用户。通过智能手机每5–15分钟后台运行的应用程序收集GPS定位(精度±1–5米)。从地图信息中识别地点类型,包括餐饮场所、赌博场所、诊所/医院、超市/商店、药店及健康相关行政设施。住院定义为至少连续两天医院停留。主要终点为观察期间外出就餐行为与住院的关联,采用逻辑回归模型估计比值比(OR)及95%置信区间(CI),并辅以维恩图可视化行为重叠特征。
**研究结果**
- **参与者特征**:从手机位置信息中识别出647名参与者,其中580名符合门诊组标准,67名符合住院组标准。年龄信息在门诊组45.3%的参与者和住院组47.8%的参与者中可用;住院组未发现20–29岁参与者。两组就业状态均较少。由于住院组样本量小且人口学数据缺失比例高,无法比较两组人口学特征。
- **行为倾向的相关性(主要/次要终点)**:与每月外出就餐少于8次的低频率组相比,仅每月外出就餐超过8次的参与者住院几率更高(OR = 1.89, 95% CI: 1.05–3.43)。次要终点(赌博场所访问频率)显示数值上更高的几率,但置信区间宽且包含空值。
- **行为倾向的特征(维恩图)**:为理解每月外出就餐超过8次的参与者的重叠行为特征,研究人员根据居家频率创建了三个维恩图。在维恩图I(每月居家超过5次)中,住院组中同时具有每月诊所/医院访问和频繁外出就餐的参与者比例为9%(6人),高于门诊组的1%(4人)。类似趋势在维恩图II(每月居家超过10次)和III(每月居家超过15次)中观察到:住院组中具有该组合特征的参与者分别为8人(12%和13%),而门诊组为7人(1%)。在每月赌博场所访问超过1次的参与者中,住院组中同时频繁外出就餐且每月居家超过5次的比例略高于门诊组(3% vs. 1%);在维恩图II/III中观察到类似趋势(2% vs. 1%)。
**讨论与结论**
讨论部分指出,研究结果支持手机衍生的地理数据在识别与住院相关行为模式中的潜在效用,与既往研究(频繁外出就餐与心血管事件风险升高20%相关)一致。每月外出就餐频率与住院几率呈倒U形关联,以每月8次为阈值,提示偶尔外出就餐者可能具有更健康意识,而频繁外出者可能参与更多社交活动,反映更好的心理状态。维恩图描述性分析显示,住院组中频繁外出就餐与定期医院访问的行为共现比例更高,这有助于解释回归结果,但不应解读为风险或因果证据。赌博场所访问与频繁外出就餐的重叠较小,作为探索性发现呈现。与既往基于GPS的人群移动性研究不同,本研究的创新在于聚焦行为模式与健康结局的关系。局限性包括:地理信息来自心血管诊所患者,可能限制外推性;缺乏个体医疗记录;外出就餐频率计算基于整个观察期而非住院前,可能存在反向因果;研究人群来自Blogwatcher平台,可能不具代表性;年龄和性别数据缺失严重;位置数据衍生的指标未经验证。结论部分翻译:本研究表明,利用基于手机的位置数据在现实环境中分析和评估个体健康相关行为具有潜力。该研究提示,行为模式与住院之间的关联,特别是外出就餐行为,可以通过基于GPS的数据捕捉。重要的是,该方法提供了通过传统临床研究通常难以获得、耗时且资源密集型的行为信息。通过利用被动收集的移动性数据,可以大规模捕捉现实世界的生活方式模式,提供超越自我报告或常规临床记录的见解。尽管观察到的关联较为温和,但这些发现凸显了手机衍生的行为数据作为研究生活方式行为与健康结局之间关系的补充工具的潜在价值。鉴于本观察性研究的探索性质以及人口学和临床信息的局限性,需要进一步研究来验证这些发现并阐明潜在机制。进一步工作应评估位置数据衍生指标的潜在误差以及使用这些数据的分析中的潜在偏倚。总体而言,手机位置数据可作为人群健康研究中传统临床数据的宝贵补充。