智能手机与大数据在精神健康中的应用

最新推荐文章于 2025-12-12 17:06:28 发布

原创最新推荐文章于 2025-12-12 17:06:28 发布 · 312 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#智能手机 # 大数据 # 精神健康 # 电子生物标志物 # 价值医疗

第24届欧洲精神病学大会/欧洲精神病学33S（2016）S18–S55 S33

在本次研讨会期间，将展示并讨论一项关于基于智能手机的电子自我监测对抑郁和躁狂症状严重程度影响的随机对照试验的结果。
此外，我们将介绍并讨论利用智能手机自动产生的客观数据（如社交活动、移动性和身体活动等行为活动）作为双相情感障碍疾病活动的电子生物标志物的应用。
利益披露作者未提供利益冲突声明。
http://dx.doi.org/10.1016/j.eurpsy.2016.01.861

S46数字时代的基于价值的医疗服务提供

G.希亚拉1,∗,A.帕亚2, J.马约尔3
1西班牙马德里圣卡洛斯临床医院创新部门
2西班牙马德里卫生服务局（SERMAS）卫生信息系统总局
3西班牙马德里圣卡洛斯临床医院、康普顿斯大学、创新部门、外科部门
∗通讯作者。

引言

精神障碍是欧洲残疾的主要原因[1]。然而，现有的组织结构和信息系统侧重于医疗服务提供，而非提供价值[2]。在数字时代，我们有能力通过分析异构数据库来改变优先事项，从而支持患者和专业人员的决策。

目标

分析精神卫生服务的设计与理论结构之间的矛盾，以及评估所提供的护理的实际价值的可能性。

目的

反思使用不同目标概念化和评估方法来改变趋势。

方法

我们使用了马德里大区卫生服务SERMAS为临床医生提供的工具（“ConsultaWeb”），该工具整合了初级保健、药房和医院数据（服务区域内的患者n= 395,073），以及一组基于医院的数据（在急诊科由精神科医生接诊的患者n= 13,877，以及收治到精神科住院部的患者n= 3318），以探讨当前的一些专业信息资源。

结果

目前使用的医疗保健数据库仅描述患者的诊断或治疗类别，可能用于检测异常行为。然而，这些数据库既无法显示患者的功能状态，也未设计用于预测其临床病程。

结论

需要对患者结局中的价值进行更清晰的定义。这可能有助于组织医疗服务提供，并创建一个新的信息系统，以评估健康结局。
利益披露作者们未提供其利益冲突声明。
参考文献
[1] 世界卫生组织。
http://www.euro.who.int/en/health-topics/noncommu-nicable-diseases/mental-health/data-and-statistics 。
[2] MuirGrayJA。如何构建医疗保健系统。牛津：Offox出版社；2011。
http://dx.doi.org/10.1016/j.eurpsy.2016.01.862

S47心理健康数据分析新平台

K.Suzuki
富士通西班牙，创新部，日本马德里

引言

精神障碍是一种重要的公共卫生挑战，因其高致残率和死亡率，是导致伤残调整生命年（DALYs）的主要原因。因此，对精神卫生服务提供与管理的轻微改善即可在减轻精神疾病的社会负担方面产生显著效益。
精神卫生服务提供与管理的改进可为减轻精神疾病的社会负担带来显著效益。

目标

本文阐述了富士通实验室、富士通西班牙与圣卡洛斯临床医院之间长期战略合作的愿景，旨在通过预测性和预防性医学为各个临床领域创造价值，改善医疗保健结果，造福管理者、临床医生和患者。

目的

旨在通过健康信息学实现基于价值的医疗保健系统的数据分析方法。
该项目从异构数据源生成知识，以获得有助于临床决策的模式。

方法

本项目利用名为HIKARI（日语中意为“光”）的数据分析平台，向“正确”的人，在“正确”的时间提供“正确”的信息。HIKARI包含一个以数据驱动和循证为基础的决策支持与推荐系统（DSRS），有助于识别大规模医院和开放数据集中的模式，并整合来自不同来源和类型的数据。

结果

使用多个异构数据集，光（日语）从回顾性数据中检测相关性，并在症状和体征提示需要立即采取行动时促进早期干预。光（日语）还分析资源消耗模式，并利用真实世界数据建议更好的资源分配。

S48 精神分裂症中感觉运动脑网络的瓦解

T·考夫曼 ∗, K.C. 斯科图恩, D. 阿尔内斯, C.L. 布兰特, N.T. 段, I. 阿格尔茨, I.S. 梅勒, O.A. 安德烈亚森, L.T. 韦斯特利
奥斯陆大学, 挪威精神疾病研究中心, 挪威奥斯陆
∗通讯作者。

大量文献报道了精神分裂症谱系障碍（SZ）患者全脑范围内广泛存在的结构和功能异常。与SZ典型的症状学一致，感觉功能障碍构成了核心的社会和认知障碍，越来越多的证据表明高阶（认知）和低阶（感觉）区域之间的相互作用受到干扰。本次演讲将讨论多项近期研究的结果，这些研究利用来自大样本的功能性磁共振成像数据探究SZ中的脑连接。无论是在执行认知任务期间还是在静息状态下，各研究中均稳健地发现，SZ患者存在网络内的感觉运动以及感觉运动‐丘脑异常。我们利用机器学习基于连接特征来区分SZ患者与健康对照组。仅使用感觉运动连接进行分类时，不仅分类准确率远高于随机水平，而且其准确性与纳入全脑连接进行分类时相当。尽管区分SZ与对照组的整体准确率在临床环境中尚不具实用性，但这些结果强调了感觉运动异常发现在个体层面上的稳健性。因此，针对感觉和知觉领域的干预可能是精神分裂症治疗的新方向。
利益披露作者未提供其利益冲突声明。
http://dx.doi.org/10.1016/j.eurpsy.2016.01.863