结合主动与被动数字表型分析：双相情感障碍中体力活动与情绪的时间动态研究

《NPP—Digital Psychiatry and Neuroscience》：Integrating active and passive digital phenotyping to study the temporal dynamics between physical activity and mood in bipolar disorders

　　本研究针对双相情感障碍（BD）患者情绪波动大、日常功能受损的临床挑战，通过整合12个月的Fitbit被动监测与生态瞬时评估（EMA）数据，采用动态结构方程模型（DSEM）分析252名BD患者的日级活动（步数、高强度活动分钟数）与情绪关联。结果发现步数与情绪存在双向促进关系（效应量虽小但可信），而高强度活动仅单向预测次日情绪，静息心率（RHR）与情绪无显著关联。研究为利用可穿戴设备实现BD的日常情绪调控提供了精准行为干预依据。

　　

双相情感障碍（Bipolar Disorders, BD）作为一种慢性精神疾病，影响着全球近4%的人口，其核心特征为极端的情绪波动——从抑郁期的情绪低谷到（轻）躁狂期的精力亢奋。这种情绪不稳定性不仅导致患者日常功能严重受损，还与心血管疾病、糖尿病等共病风险升高密切相关。尽管长期研究表明体力活动对改善BD症状有益，但日常活动中细微变化如何即时影响情绪状态，仍是临床干预的盲点。传统研究多依赖短期横断面数据或主观报告，难以捕捉BD患者情绪与行为的动态交互规律。随着数字医疗技术的发展，可穿戴设备为揭示这一复杂关系提供了新视角。

本研究基于密歇根大学PROMPT（Providing Mental Health Precision Treatment）项目的队列数据，纳入252名经电子健康记录（EHR）确诊的BD患者，通过Fitbit设备被动采集每日步数、高强度活动分钟数（代谢当量MET>6.0）及静息心率（RHR），同时结合生态瞬时评估（EMA）在每日18:00推送的单项目情绪自评（1-10分尺度），持续追踪12个月。数据分析采用动态结构方程模型（DSEM），控制睡眠时间、年龄、性别、基线抑郁（PHQ-9）与焦虑（GAD-7）评分等因素，重点检验体力活动与情绪的日级双向关联。

主要研究结果

1. 每日步数与情绪存在双向促进循环

DSEM路径分析显示，当个体当日情绪评分高于自身平均水平时，次日步数会显著增加（估计值=0.04）；反之，当日步数增多也会预测次日情绪改善（估计值=0.05）。尽管效应量较小，但95%置信区间均不包含零，证实了这一循环的统计可靠性。值得注意的是，步数数据经过对数转换，系数需按比例解释——例如情绪每升高1个标准差，步数约增加4%（按对数尺度换算）。这一发现提示，即使是低强度活动（如步行）的日常积累，也可能通过正向反馈机制助力情绪稳定。

2. 高强度活动仅单向影响情绪

“非常活跃分钟数”（即MET>6.0的高强度活动）可预测次日情绪提升，但情绪状态并未反向预测后续高强度活动量。研究者推测，这可能与样本中高强度活动整体发生率较低（中位数仅5.3分钟/日）有关，同时也反映高强度运动可能缺乏步数活动的“自我强化”特性，需更多外部激励才能持续。

3. 静息心率与情绪无显著日级关联

RHR与情绪之间未发现可信的交叉滞后效应。条件模型进一步显示，基线焦虑评分较高的患者其RHR日间变异性更大，而年轻患者的RHR日级稳定性更强，这与非BD人群中自主神经调节的年龄差异模式一致。

4. 个体特征调节活动-情绪动态

条件模型分析揭示，年龄和性别显著调节活动模式：男性与年轻患者的高强度活动量、步数及活动变异性均更高；年龄增长则强化情绪的自回归效应（即当日情绪对次日情绪的预测力更强）。此外，基线抑郁评分较高者每日情绪波动更大，且平均情绪水平更低。

结论与意义

本研究通过大规模纵向数字表型数据，首次在BD人群中验证了日级步数与情绪的双向促进作用，为“行为激活”理论提供了实证支持。结果表明，即便小幅增加日常步数，也可能打破情绪低落的恶性循环，且这种低强度活动更易融入患者日常生活。相比之下，高强度活动虽能改善情绪，但需针对性干预以维持参与度。

临床实践中，可穿戴设备（如Fitbit）可成为动态监测与个性化干预的实用工具：当患者观察到步数与情绪的正反馈关联时，可能增强其自主运动动机。未来研究需进一步区分活动类型（如结构化运动与日常活动）、探索最小有效活动阈值，并结合心率变异性（HRV）等更敏感的自主神经指标深化机制探索。此外，纳入BD亚型、药物治疗等精细临床变量，将有助于制定更精准的行为干预方案。