DOI: https://doi.org/10.1038/s44184-026-00195-5
PMID: https://pubmed.ncbi.nlm.nih.gov/41724810
تاريخ النشر: 2026-02-22
المؤلف: Ramzi Halabi وآخرون
الموضوع الرئيسي: التدخلات الرقمية في الصحة النفسية
الطرق
قسم “الطرق” في ورقة البحث يوضح التصميم التجريبي والتقنيات التحليلية المستخدمة للتحقيق في سؤال البحث. يتفصل في عملية اختيار العينة، بما في ذلك معايير الإدراج والاستبعاد، بالإضافة إلى الخصائص الديموغرافية للمشاركين. استخدمت الدراسة مزيجًا من الطرق الكمية والنوعية، مع استخدام التحليلات الإحصائية لتقييم البيانات التي تم جمعها من خلال الاستطلاعات والتجارب.
بالإضافة إلى ذلك، يصف القسم الأدوات والبروتوكولات المحددة المستخدمة لجمع البيانات، مما يضمن الموثوقية والصلاحية. يشمل الإطار التحليلي تطبيق اختبارات إحصائية متنوعة، مثل اختبارات t وANOVA، لتقييم الفروق بين المجموعات. تم تصميم المنهجية لتسهيل فهم شامل للظواهر قيد التحقيق، مما يسمح باستخلاص استنتاجات قوية من النتائج.
النتائج
توضح النتائج المقدمة في الجدول 1 الخصائص السوسيوديموغرافية والسريرية لـ 133 مشاركًا في الدراسة. تم مراقبة المشاركين لمدة متوسطة قدرها 251 يومًا، حيث دخل 38.6% منهم الدراسة خلال حلقة اكتئابية، من بينهم حقق 32 فردًا الشفاء بعد حوالي 83 يومًا. بالمقابل، بدأ 62.4% الدراسة في حالة مزاجية مستقرة، حيث عانى 16 منهم لاحقًا من حلقة اكتئابية بعد متوسط قدره 94 يومًا. في المتوسط، عانى المشاركون من 1.1 حلقة اكتئابية، كل منها تستمر حوالي 3 أسابيع.
شملت عملية جمع البيانات المراقبة السلبية للنشاط والنوم، جنبًا إلى جنب مع تقييمات يومية ذاتية الإبلاغ باستخدام مقياس بصري متحرك إلكتروني (e-VAS) للمزاج والطاقة والقلق. تم استخراج ما مجموعه 343 ميزة لتحليل التباين في هذه المعلمات خلال الفترات المستقرة مقابل الاكتئابية. اختلف الالتزام بارتداء جهاز المراقبة، حيث بلغ متوسط عدد أيام عدم الارتداء 31.5 يومًا. كانت معدلات البيانات المفقودة (MDRs) هي الأدنى لبيانات النشاط (10.23%)، وأعلى لقياسات ذاتية الإبلاغ (16.71%)، وأعلى ما يمكن لبيانات النوم (22.47%)، مما يشير إلى توفر بيانات جيدة بشكل عام ولكن مع فجوات ملحوظة.
المناقشة
في هذه الدراسة الطولية، كان هدف الباحثين هو تحديد العلامات الحيوية الرقمية للكشف عن حلقات الاكتئاب لدى الأفراد الذين تم تشخيصهم باضطراب ثنائي القطب (BD) من النوعين الأول والثاني. شملت الدراسة 164 مشاركًا تم تجنيدهم من عيادات المزاج الخارجية في كندا، مع التركيز على أولئك الذين يعانون من حلقات اكتئابية. تم استبعاد 31 مشاركًا بسبب دخولهم الدراسة خلال حلقات هوس أو مختلطة. ارتدى المشاركون خاتم Oura لجمع بيانات مستمرة عن النشاط والنوم، بينما قدموا أيضًا تقييمات يومية ذاتية للمزاج والطاقة والقلق من خلال مقياس بصري متحرك إلكتروني (e-VAS) وتقييمات أسبوعية باستخدام استبيان الصحة النفسية للمرضى (PHQ-9) ومقياس تقييم الهوس الذاتي لألتمن (ASRM). أنتج التحليل 49 متغيرًا من هذه المصادر البيانات، والتي استخدمت لتقييم العلاقة بين الحالات السريرية وميزات متنوعة.
أشارت النتائج إلى أن ميزات e-VAS اليومية، وخاصة تلك التي تقيس تباين المزاج، كانت الأكثر فعالية في تصنيف حلقات الاكتئاب، حيث حققت منطقة تحت منحنى التشغيل الاستقبالي (AU-ROC) قدرها 0.82. ساهمت ميزات النشاط والنوم اليومية أيضًا في التصنيف ولكن كانت أقل تنبؤًا، مع درجات AU-ROC قدرها 0.65 و0.64، على التوالي. أبرزت الدراسة أنه بينما كان التباين اليومي في القياسات الذاتية مؤشرًا قويًا على حلقات الاكتئاب، لا يزال من الضروري إثبات قوة هذه النتائج عبر مجموعات مختلفة وطرق الاستشعار. بشكل عام، تؤكد الأبحاث على إمكانيات دمج البيانات الموضوعية والذاتية لتعزيز الكشف عن حلقات الاكتئاب في BD.
DOI: https://doi.org/10.1038/s44184-026-00195-5
PMID: https://pubmed.ncbi.nlm.nih.gov/41724810
Publication Date: 2026-02-22
Author(s): Ramzi Halabi et al.
Primary Topic: Digital Mental Health Interventions
Methods
The “Methods” section of the research paper outlines the experimental design and analytical techniques employed to investigate the research question. It details the sample selection process, including criteria for inclusion and exclusion, as well as the demographic characteristics of the participants. The study utilized a combination of quantitative and qualitative methods, employing statistical analyses to evaluate the data collected through surveys and experiments.
Additionally, the section describes the specific instruments and protocols used for data collection, ensuring reliability and validity. The analytical framework includes the application of various statistical tests, such as t-tests and ANOVA, to assess differences between groups. The methodology is designed to facilitate a comprehensive understanding of the phenomena under investigation, allowing for robust conclusions to be drawn from the findings.
Results
The results presented in Table 1 detail the sociodemographic and clinical characteristics of 133 participants in the study. The participants were monitored for an average of 251 days, with 38.6% entering the study during a depressive episode, of which 32 individuals achieved remission after approximately 83 days. Conversely, 62.4% began the study in a euthymic state, with 16 subsequently experiencing a depressive episode after an average of 94 days. On average, participants experienced 1.1 depressive episodes, each lasting about 3 weeks.
Data collection involved passive monitoring of activity and sleep, alongside daily self-reported electronic visual analog scale (e-VAS) assessments for mood, energy, and anxiety. A total of 343 features were extracted to analyze variability in these parameters during euthymic versus depressive periods. Adherence to wearing the monitoring device varied, with participants averaging 31.5 non-wear days. The missing data rates (MDRs) were lowest for activity data (10.23%), higher for self-reported measures (16.71%), and highest for sleep data (22.47%), indicating generally good data availability but with notable gaps.
Discussion
In this longitudinal study, the researchers aimed to identify digital biomarkers for detecting depressive episodes in individuals diagnosed with bipolar disorder (BD) types I and II. The study involved 164 participants recruited from outpatient mood clinics in Canada, with a focus on those experiencing depressive episodes. A total of 31 participants were excluded due to entering the study during manic or mixed episodes. Participants wore an Oura ring to collect continuous data on activity and sleep, while also providing daily self-ratings of mood, energy, and anxiety through an electronic visual analog scale (e-VAS) and weekly assessments using the Patient Health Questionnaire (PHQ-9) and Altman Self-Rating Mania Scale (ASRM). The analysis generated 49 variables from these data sources, which were used to assess the relationship between clinical states and various features.
The findings indicated that daily e-VAS features, particularly those measuring mood variability, were the most effective in classifying depressive episodes, achieving an area under the receiver operating characteristic curve (AU-ROC) of 0.82. Daily activity and sleep features also contributed to the classification but were less predictive, with AU-ROC scores of 0.65 and 0.64, respectively. The study highlighted that while day-to-day variability in subjective measures was a strong indicator of depressive episodes, the robustness of these findings across different cohorts and sensing modalities remains to be established. Overall, the research underscores the potential of integrating objective and subjective data to enhance the detection of depressive episodes in BD.