青少年行为健康研究中数字与可穿戴传感器数据的系统综述：来自ABCD研究的洞见、方法与新兴机遇

《Developmental Cognitive Neuroscience》：A Systematic Review of Digital and Wearable Sensor Data in the ABCD Study: Insights, Methods, and Emerging Opportunities.

　　

摘要：针对青少年关键健康领域的研究，如有问题的屏幕媒体使用、睡眠健康和体力活动，常常受到易出错的自我报告测量方法的限制。为了改进这些行为的测量，青少年脑认知发展研究（ABCD Study）——一项涵盖近12,000名美国青少年（基线年龄9-10岁）的多样化纵向队列研究——在数据收集中纳入了远程传感方案。获得同意的参与者提供了长达三周的Fitbit活动记录数据（从两年随访开始）以及通过“研究系统轻松评估”（EARS）智能手机应用收集的智能手机使用数据（从四年随访开始）。本系统综述旨在识别并综合所有已发表的、利用ABCD研究被动传感器数据的实证研究，共鉴定出45篇探讨测量效度及其与青少年健康、发展和神经认知功能关联的文章。Fitbit设备广泛地复现了由研究级传感器获得的睡眠和体力活动估计值。智能手机传感器数据具有内部一致性，再现了预期的日常使用模式，并与自我报告呈中等程度相关。大多数实质性研究利用了Fitbit数据，并报告了传感器衍生的单变量汇总统计量与基于调查的心理和行为健康、神经认知功能或环境风险因素之间的横断面关联。少数研究采用了纵向设计、个体内分析、机器学习方法和/或遗传学或神经影像学方法，以减少混杂因素并增强对这些观察到的关系的生物学和病因学洞察。尽管已发表的研究结果在很大程度上是增量式的，但ABCD的被动传感资源仍然代表了一种强大且广泛可用的资源，用于将基于传感器的测量纳入青少年健康研究。

青少年行为健康研究中数字与可穿戴传感器数据的系统综述：来自ABCD研究的洞见、方法与新兴机遇

一、研究背景与问题提出

过去十年间，青少年群体中出现了一系列令人担忧的行为健康趋势。尽管他们参与饮酒、药物使用或危险性行为等风险行为的比例有所下降，但当代青少年情绪障碍和焦虑症的发病率远高于以往同龄人。长期存在的青少年行为健康挑战，如睡眠不足和过度久坐行为，在当代青少年中也更为普遍。截至2023年，不到一半的美国高中生报告定期达到推荐的身体活动水平，不到四分之一的学生报告每晚规律睡眠8小时或以上。虽然原因可能是多因素的，但在一定程度上可能反映了2010年代初期青少年对智能手机的大规模采用。智能手机的普及与青少年焦虑和抑郁发病率的上升在时间上高度吻合，并且数字设备使用时间与青少年心理和行为健康问题之间已观察到显著关联。这些令人不安的趋势已被美国疾病控制与预防中心（CDC）、美国卫生总监办公室和世界卫生组织（WHO）等主要公共卫生机构统称为“青少年心理健康危机”。

针对体力活动、睡眠和屏幕媒体活动（SMA）等重要领域的研究面临重大挑战。迄今为止的研究几乎完全依赖于简单的自我报告测量。这些测量往往忽略了重要细节，如活动的时间和背景，并且容易受到回顾性报告和回忆偏差的影响，从而可能在测量中引入误差或偏倚。事实上，比较自我报告的设备使用与基于传感器的估计值的研究发现，青少年通常每天少报数小时的屏幕媒体活动使用时间。这种测量挑战不仅限于屏幕媒体活动暴露，睡眠和体力活动等其他行为测量也经常显示出自我报告与金标准传感器测量之间存在巨大差异。

来自数字和可穿戴设备的传感器数据相比传统的自我报告测量具有显著优势。这类数据是被动实时记录的，因此对报告和回忆偏差具有较强的稳健性，并且比回顾性报告测量具有更好的效度。基于设备的传感器还能在不给参与者带来过多负担的情况下促进连续、高维度的数据收集，从而提高基于调查的生态瞬时评估方法的可接受性，同时能够提供丰富、时间粒度精细的参与者行为测量，例如智能手机使用、体力活动或睡眠的时间和背景。

尽管有这些优势，但该方法相对新颖、技术成本高昂，以及额外研究管理和数据处理的后勤与技术复杂性，构成了实施的重大障碍。因此，基于传感器的研究主要在小型且往往不具有代表性的青少年样本中进行。青少年脑认知发展研究（ABCD）是一项正在进行中的青少年神经发育研究，其样本多样化，涵盖了近12,000名美国青少年，大致代表了美国的人口构成。该研究的广泛研究方案中采用了智能手机和可穿戴传感器。结合其许多其他方案要素，ABCD研究中的传感器数据为加深我们对青少年数字技术使用和体力活动在青少年心理和行为健康趋势中所起作用的理解，提供了绝佳的机会。

二、研究方法概述

研究人员进行了一项系统综述，遵循PRISMA指南。检索策略使用SPIDER框架制定，于2025年6月30日在Medline、PsycINFO和Web of Science数据库进行，并于2025年7月21日补充检索了ABCD出版物数据库。筛选后纳入45篇发表于2021年及以后、使用ABCD研究被动传感数据（包括Fitbit和EARS智能手机传感器数据）的原创实证文章。研究人员对所有纳入研究进行了质量评估，使用了针对观察性队列和横断面研究的质量评估工具。

三、主要研究发现

1. 传感器测量效度

• •
  Fitbit：初步验证研究表明，与研究级传感器相比，Fitbit总体上低估步数约9.9%、高估能量消耗约11.4%，低估总睡眠时间约14分钟，但对体力活动和睡眠状态的分类准确率较高（分别为84.8%和92.1%）。后续研究发现，与Fitbit相比，家长和青少年自我报告的睡眠时长均被显著高估，两者相关性较弱至中等。
• •
  智能手机传感器数据：EARS数据表现出高度的内部一致性（α=0.96-0.98）和中等的日间稳定性（ICC=0.51-0.58）。青少年自我报告的智能手机使用时间平均低于传感器测量值约1.9小时/天，但两者呈中等程度相关（r=0.35-0.49）。对于社交媒体使用的报告准确性最高（r=0.64）。

2. 机器学习预测应用

多项研究利用机器学习方法从Fitbit数据中提取数字表型预测精神科和行为结局。例如，使用超过250个Fitbit特征的可解释深度学习模型对注意力缺陷/多动障碍（ADHD）的分类达到了高预测性能（AUROC=0.89），对焦虑症的分类性能也可接受（AUROC=0.83）。心率指标（如静息心率、最大心率）和睡眠特征是跨领域一致的生理标志物。另一项研究使用可解释提升机（EBM）预测青少年肥胖（AUC=0.726），揭示了非线性风险阈值和交互作用。

3. 心理健康

15篇文章探讨了被动传感测量与青少年心理健康结局的关联。多数研究发现，Fitbit测量的体力活动（如更高步数、更长的中高强度体力活动时长）与较低的内化症状、精神病样体验相关。较短的睡眠时长和较低的睡眠效率与更多的外化症状、注意力问题和违规行为相关。一项使用纵向数据的研究发现，Fitbit测量的睡眠时长和体力活动可前瞻性地预测一年后的内化症状减少，且未发现显著的遗传混杂效应。关于被动感测的智能手机使用，一项研究发现其与青少年报告的外化症状和社交媒体成瘾呈弱正相关。

4. 身体健康

8项研究利用Fitbit传感器测量研究了身体健康结局。两项研究发现COVID-19疫情期间青少年的体力活动显著下降（每日步数减少约20-21%，久坐时间增加30分钟）。多项研究发现较低步数与较高的舒张压、体重指数（BMI）和肥胖风险相关。一项机器学习模型发现，更高的静息和睡眠心率、更短和不规律的睡眠以及更低步数是肥胖的关键预测因子。一项纵向研究发现，每晚睡眠9小时或以上的青少年无论社区噪音水平如何，高血压风险均较低。

5. 屏幕媒体活动模式与预测

7篇文章探讨了传感器测量与数字技术相关健康行为的关联。研究发现，随着年龄增长，青少年智能手机使用模式从以视频流媒体为主转向以社交媒体和即时通讯为主。使用高峰期在下午4点至晚上9点。一项结合两种传感器数据的研究发现，智能手机使用与同日体力活动减少和睡眠时长缩短相关，且深夜使用对睡眠影响最大。另有研究发现，体力活动对肥胖的保护作用在高屏幕媒体活动的青少年中减弱。

6. 神经影像学

10项研究将Fitbit数据与神经影像学相关联。研究发现，较短的Fitbit测量睡眠时长与注意力、执行控制、记忆和感觉系统的多网络静息态功能磁共振成像（rs-fMRI）模式相关。睡眠-校正的社会时差（SJLsc）与扣带-岛盖网络和右侧海马体之间的功能耦合减弱有关。纵向分析发现，随年龄增长的休息-活动节律恶化与皮层下区域到感觉运动和扣带-岛盖系统的连接改变以及行为困难（如冲动性）相关。一项研究通过多变量维度定义了睡眠-大脑生物型，其中较早和较长睡眠且心率较低的生物型表现出优越的认知表现。

7. 健康差异

9篇文章探讨了健康差异。研究发现，黑人/非裔美国人、男性、年龄较大和低收入家庭的青少年Fitbit测量的睡眠时长较短。黑人参与者和低社会经济地位（SES）家庭的参与者参与可穿戴设备试验的可能性较低，且佩戴时间和有效天数较少。跨性别认同和性别不满与步数减少相关。不良童年经历与较低步数和较短REM睡眠时长相关。睡眠被发现可以缓冲歧视经历对物质使用意图的影响。

四、结论与展望

本系统综述表明，ABCD研究的被动传感数据（Fitbit和EARS）为理解青少年行为健康提供了宝贵的客观测量手段。这些数据在测量效度方面得到了初步验证，并在心理健康、身体健康、屏幕媒体活动、神经影像学和健康差异等多个领域产生了有意义但效应量通常较小的发现。机器学习方法的应用展示了从这些数据中提取临床相关数字表型的潜力。然而，现有研究多为横断面设计，纵向研究和个体内分析仍较少。未来研究应充分利用ABCD研究的纵向设计和多模态数据，探索传感器数据与遗传、神经影像学数据的整合，以揭示行为与健康之间关系的潜在机制。同时，需要关注参与偏差和数据异质性等问题，以提高研究结果的普适性和公平性。总体而言，ABCD的被动传感资源为将基于传感器的测量融入青少年健康研究提供了一个强大且广泛可用的平台。