分析不同被动采集数据对于预测压力和抑郁的贡献
原文中文，约500字，阅读约需1分钟。发表于：。通过分析根据被动捕捉的数据预测日常自我报告的压力和 PHQ-9 抑郁评分，我们发现 WiFi 特征（编码移动模式）和电话日志特征（编码与睡眠模式相关的信息）对于压力和抑郁预测提供了显著信息。
本研究使用Whispter工具和BERTopic模型从智能手机采集的语音记录中鉴定出29个话题，其中6个话题中PHQ-8中值大于等于10被视为抑郁风险话题。通过比较识别到的话题之间的行为和语言特征，揭示了话题的产生及其与抑郁症的关联。研究发现特定的语音话题可能会指示抑郁症的严重程度，提供了一种在真实环境中收集和分析大规模语音数据的实用方法，可用于数字健康研究。
