6 条结果 关键词:数字表型 ×

Digital and Immersive Technologies for Rehabilitation in Complex Psychosis: State of the Art and Future Directions.

Medicina (Kaunas, Lithuania) 2026 Marano G, Acanfora M, Mandracchia G, Traversi G 等 10 人

复杂精神病(CP)仍是精神卫生领域最具挑战性的疾病之一,表现为症状持续存在、认知损害、功能残疾和自主性下降。传统康复方法虽必要,但常难以满足这些患者的多维需求。近十年来,数字健康快速发展,为增强心理社会康复、提高参与度和个性化治疗路径提供了新机遇。本叙述性综述综合了2015—2025年发表的临床试验、可行性研究和真实世界应用证据,聚...

Reimagining Mental Health with Artificial Intelligence: Early Detection, Personalized Care, and a Preventive Ecosystem.

Journal of multidisciplinary healthcare 2025 Mikaeili N, Naeim M, Narimani M

背景:精神障碍患病率持续上升,而心理健康服务可及性有限,亟需创新解决方案。人工智能(AI)通过多模态数据分析,在精神障碍管理中具有变革潜力。目的:探讨 AI 在精神障碍早期检测、个性化治疗和症状恶化预防中的新兴应用。方法:采用叙述性综述,检索 PubMed、Scopus 和 IEEE Xplore 数据库 2015—2025 年文献...

Tracking of Systemic Lupus Erythematosus (SLE) Longitudinally Using Biosensor and Patient-Reported Data: A Report on the Fully Decentralized Mobile Study to Measure and Predict Lupus Disease Activity Using Digital Signals-The OASIS Study.

Biotech (Basel (Switzerland)) 2023 Jupe ER, Lushington GH, Purushothaman M, Pautasso F 等 12 人

系统性红斑狼疮(SLE)是一种以免疫失调和疾病活动波动为特征的复杂自身免疫病。本研究开展完全去中心化的纵向数字研究,利用移动应用和可穿戴设备收集 SLE 患者的患者报告结局(PRO)、生活质量(QOL)及生物特征数据,并用机器学习预测疾病 flare。研究从 LupusCorner 社区招募自报 SLE 诊断的成人,通过 LCR-A...

Are student nurses ready for new technologies in mental health? Mixed-methods study.

Nurse education today 2020 Bourla A, Mouchabac S, Ogorzelec L, Guinchard C 等 6 人

背景:生态瞬时评估(EMA)、机器学习(ML)、计算机自适应测试(CAT)、数字表型、临床决策支持系统(CDSS)、算法和生物标志物等技术创新正在推动精神科诊疗范式转变。本研究旨在了解护理学生对该范式转变的看法,评估其对基于智能手机的 EMA、CAT 以及基于生物传感器的数字表型技术的可接受性,并探讨影响可接受性的因素。方法:通过护...

Quantifying neurologic disease using biosensor measurements in-clinic and in free-living settings in multiple sclerosis.

NPJ digital medicine 2019 Chitnis T, Glanz BI, Gonzalez C, Healy BC 等 43 人

被动数字表型技术为量化神经系统疾病提供了可补充临床评估的新途径。本研究以多发性硬化(MS)为模型,评估可穿戴生物传感器与传统临床残疾指标在诊室和自由生活环境中的一致性与可行性。这是一项单中心观察性队列研究,招募25名MS患者。患者在三次访视中于9个身体部位佩戴生物传感器,收集步态(支撑时间、转身角度、平均转身速度)和平衡特征,并由神...

An Observational Study With the Janssen Autism Knowledge Engine (JAKE

Frontiers in neuroscience 2019 Ness SL, Bangerter A, Manyakov NV, Lewin D 等 20 人

Janssen自闭症知识引擎(JAKE®)是为更敏感地测量自闭症谱系障碍(ASD)治疗结局并识别亚群而开发的临床研究结局评估系统。本研究为前瞻性、观察性、非干预性研究,在美国9个中心纳入144名ASD儿童/成人和41名典型发育(TD)对照。JAKE包括数字表型应用My JAKE和生物传感器组件JAKE Sense;后者包含脑电图(E...