可穿戴设备衍生的晚间运动熵与晨间光照暴露与大学生抑郁症状相关

《Biosensors》：Wearable-Derived Evening Motion Entropy and Morning Light Exposure Are Associated with Depressive Symptoms in University Students

　　

抑郁症状在大学生中普遍存在，然而可扩展的筛查受到自我报告和间歇性评估的限制。可穿戴设备对运动和光照的监测提供了一种客观的替代方案，但其联合筛查特征描述仍有限。本科生志愿者佩戴自研腕带7天，以1分钟分辨率记录三轴加速度和环境光照。抑郁症状通过九项患者健康问卷（PHQ-9）评估，并分为抑郁组（Dep，≥5）或健康对照组（HC，<5）。从24小时轮廓和预设时间窗中提取运动和光照节律特征；逻辑回归（LR）和支持向量机（SVM）比较了仅运动、仅光照及联合特征集，并使用沙普利加性解释（SHAP）进行解释。预处理后，152名参与者提供了有效的活动数据（HC=132，Dep=20），218名提供了有效光照数据（HC=186，Dep=32）。Dep组表现出活动时间延迟、每日光照暴露降低和晚间运动不规律性增加，其中运动熵和方差在18:00–22:00期间的差异最为显著。联合运动-光照SVM表现最佳（准确率85.2%，召回率60.0%，F1₁得分46.2%，曲线下面积0.892）。SHAP突出显示了晚间运动熵和方差、晨间光照暴露以及节律相关小波特征。这些发现表明，可穿戴设备得出的运动和光照节律与抑郁症状相关；晚间运动熵和晨间光照暴露可能作为可解释的标志物辅助校园风险筛查，尽管横断面设计和基于PHQ-9的分组排除了诊断性或因果性结论。

抑郁症状是全球最常见的心理卫生问题之一，在大学生群体中尤为突出。传统筛查依赖临床访谈和自我报告问卷，存在回忆偏倚、主观性强、需主动参与等局限，且难以实现大规模、低负担的客观评估。已有证据表明身体活动与光照暴露对情绪和昼夜节律具有重要调节作用，但既往可穿戴研究多聚焦单一模态或粗略的总量指标，缺少对运动与光照联合节律特征的探索。为解决这一缺口，研究人员开发了一种低成本腕带设备，在自然校园环境中连续采集大学生的运动与环境光照数据，系统考察可穿戴推导的运动和光照节律是否与PHQ-9定义的抑郁症状相关，并评估其作为可解释校园风险筛查标志物的潜力。该研究论文发表在《Biosensors》。

该研究主要采用了以下关键技术方法：研究队列来自NingboTech University（位于中国浙江省宁波市）的本科生志愿者，共纳入152名有效运动数据参与者（HC=132，Dep=20）和218名有效光照数据参与者（HC=186，Dep=32）。研究人员使用自研腕带（基于ESP32-C3 Super Mini微控制器、ADXL345三轴加速度计和Vishay TEMT6000×01环境光光电晶体管）以1分钟分辨率记录三轴加速度和环境光照；通过变异系数百分比（CV%）进行佩戴有效日判定；提取五个预设时间窗内的六种统计特征（均值、方差、中位数、偏度、峰度、熵）以及频域/时频特征；采用逻辑回归（LR）和支持向量机（SVM）分别构建仅运动、仅光照及联合特征集模型，并使用沙普利加性解释（SHAP）进行特征贡献分析。

研究结果如下：

3.1 参与者特征
经数据预处理后，152名参与者提供有效活动数据（HC=132，Dep=20），218名提供有效光照数据（HC=186，Dep=32）。该结果基于PHQ-9评分分组，其中Dep组为评分≥5，HC组为评分<5。

3.2 时域数据呈现
通过对平滑和拟合后的平均活动及光照节律进行分析，HC组活动主峰出现在约09:00，而Dep组主峰出现在约12:00，并在约16:00出现次峰，同时Dep组夜间时段波动更多。在光照节律方面，两组均呈近似昼行模式，但HC组累计每日光照暴露高于Dep组，平均差异为300.32数字单位。

3.3 统计分析
研究对18:00–22:00窗口内六个统计特征进行核密度图展示和柯尔莫哥洛夫-斯米尔诺夫（KS）检验。结果显示，HC组与Dep组在均值、方差、中位数、峰度和熵方面存在显著分布差异（均p<0.001），偏度未达统计学显著水平（p=0.0959）。其中Dep组的熵和方差高于HC组，表明晚间运动不规律性更强。

3.4 模型性能与SHAP解释
通过比较不同模型和特征集，联合运动-光照特征在所有模型中表现最佳。逻辑回归的AUC从仅运动（0.671）和仅光照（0.762）提升至联合特征（0.836）；SVM的AUC从仅运动（0.799）和仅光照（0.700）提升至联合特征（0.892）。联合特征集在SVM中达到最优性能，准确率85.2%，召回率60.0%，F1₁得分46.2%。SHAP分析显示，晚间运动熵（18:00–22:00）是跨模型最一致的重要判别特征，晚间运动方差、下午运动熵、晨间光照暴露等也贡献显著。光照特征在两模型中方向略有分歧，提示光照信号具有补充性但部分依赖模型。

讨论部分指出，抑郁组的节律延迟和不稳定可能反映跨诊断的调节特征；光照暴露提供了与运动互补的维度。联合多模态特征优于单模态，表明运动和光照捕获了抑郁相关日常节律的不同方面。SHAP可解释性支持晚间运动熵和晨间光照暴露作为临床可读的标志物。研究局限性包括单中心横断面设计、Dep组样本较小、缺乏外部验证、PHQ-9筛查而非临床诊断、观察窗口仅一周等。未来研究需延长监测周期、采用多中心纵向队列并加强硬件校准。

研究结论可翻译为：这项研究评估了低成本腕戴设备连续测量的运动和环境光照节律是否能为大学生抑郁症状提供可解释的标志物。在7天自然观察中，PHQ-9定义的Dep组表现出与HC组不同的日常行为和环境暴露组织方式：其平均活动节律延迟，累计每日光照暴露较低，且18:00–22:00期间的运动更加不规律。特别是晚间运动熵和方差在两组间差异显著，表明抑郁症状可能不仅反映在日常活动量或光照量上，还体现在日常节律的时间组织和规律性上。机器学习分析进一步表明，运动和光照暴露提供了部分互补信息，联合两种模态可提高判别能力，其中联合运动-光照SVM性能最佳。SHAP分析提供了解释性信息，晚间运动熵是最有影响力的特征。从实践角度看，低成本腕戴传感可能支持大学环境中被动、低负担的风险筛查，但应作为验证问卷或临床评估的补充，而非替代。未来研究应采用更大规模、多中心和纵向队列进行外部验证，并考察这些节律特征能否预测后续症状变化。总体而言，运动和光照暴露的时间组织可能为抑郁症状筛查提供可解释的数字标志物，并为未来纵向可穿戴心理健康研究奠定基础。