我们每天使用的设备，如智能手机和智能手表，能否在解决进食障碍方面发挥作用？这些信息如何改变我们对待这些疾病的方式？这对未来治疗意味着什么？这是《Under the Cortex》的一期节目。我是Association for Psychological Science的Özge Gürcanlı Fischer Baum。在这期节目中，我们将探讨如何通过监测心率和步数来预测暴食事件。我邀请了来自犹他大学的Qinxin Shi，她的研究成果发表在APS的期刊《Clinical Psychological Science》上。Qinxin，感谢你今天加入我们。欢迎来到《Under the Cortex》。
Qinxin Shi：谢谢，Özge。很高兴来到这里。
Özge Gürcanlı Fischer Baum：你能简单介绍一下自己吗？你是哪种心理学家？
Qinxin Shi：我是一名发展研究人员，发展心理学家。我在德克萨斯A&M大学攻读博士学位期间，研究儿童和青少年的心理健康发展，从幼儿园到12年级。特别是早期儿童的风险和复原力因素与他们的长期心理健康发展的关系。我使用纵向数据集对他们进行手动跟踪，从幼儿园到12年级。我对研究生时期的工作感到非常自豪。有时我会想，如何将我的研究结果应用到现实生活中。有一次在会议上，一位高中老师在我分享了关于早期儿童风险和复原力因素与长期心理健康发展的关系后，她找到我，告诉我：“这真的很酷。你在小学阶段发现的所有风险因素和复原力因素与我的预期完全一致。但你能告诉我，作为一名高中老师，我该如何帮助有心理健康问题的学生，比如抑郁症和行为问题？”
Özge Gürcanlı Fischer Baum：当时我真的很难回答她的问题，因为我无法回到过去帮助那些在心理健康方面挣扎的学生，消除所有的风险因素。同时，提供所有保护因素也非常困难。例如，在我的研究中，教师的温暖和支持是保护因素，同伴接受也是保护因素。但这些都是来自他人的，很难在现实中加以利用。我想这就是我开始思考如何让青少年在最需要帮助的时候使用工具来帮助自己的原因。后来我很幸运地参与了一个项目，即BEGIN项目。简称BEGIN，全称是Binge Eating Genetics Initiative Project。我的导师Brian Plastal（犹他大学）和Cynthia Bulik（北卡罗来纳大学）以及整个优秀的团队都在这个项目中。该项目旨在回答心理健康挑战何时何地出现，最终如何利用技术为最需要帮助的患者提供及时干预。
Özge Gürcanlı Fischer Baum：这是一个非常棒的研究。它涉及保护因素的发展轨迹、负面因素、进食障碍和技术。我们可以一步一步地讨论。首先，请给我们一个概述，什么是暴食症，如神经性贪食症和暴食症？它们的治疗效果如何？
Qinxin Shi：神经性贪食症和暴食症都被视为进食障碍行为的两种类型。不同之处在于，神经性贪食症的特点是暴食后伴随补偿行为，如呕吐或过度运动。而暴食症不涉及这些补偿行为。只是术语上的差异。两者都是暴食，唯一的区别是是否伴随补偿行为。所以神经性贪食症伴随补偿行为，如呕吐、运动，而暴食症不伴随补偿行为。这两种进食障碍行为都有严重的身体和情感后果。大量文献已经支持这一点。目前最有效的治疗方法是认知行为疗法，简称CBT。即使完成了CBT治疗，证据显示仍有高达50%的个体继续从事不健康的进食障碍行为。
Özge Gürcanlı Fischer Baum：谢谢你的解释。你们的研究使用了被动数据，特别是利用技术监测心率来观察这些障碍患者。你能解释一下这些技术是如何工作的，为什么选择这些数据进行研究？
Qinxin Shi：这是一个很好的问题。首先，我想更详细地定义一下被动数据，因为有些听众可能不太熟悉这个术语。被动数据不同于传统的问卷填写。被动数据意味着你不需要主动参与填写答案。例如，如果你佩戴Apple Watch或随身携带手机，它们会收集你的心率和身体活动数据，如步数。你无需做任何事情，它们就会被动地收集这些数据。这就是被动传感数据。在我们的研究中，特别是对于进食障碍行为，我们特别关注心率和身体活动。有时我们称之为心电图数据，有时称为步数数据，但它们可以互换使用。有时我会说身体活动，有时会说心电图，有时会说步数，但我想明确一点，这些在我们的研究中都是相同的指标。至于为什么选择心率和步数数据，有两个主要原因。第一个原因是有关心率和步数与进食障碍或暴食行为之间关联的理论和实证支持。之前的文献已经表明，暴食行为的个体在应对压力时表现出不同的心率反应性和心率变异性。同样，身体活动或步数指标也显示，患有进食障碍或进食障碍行为的患者通常比健康同龄人有更低的身体活动水平。虽然我不打算深入讨论所有文献，但我想指出的是，有大量的文献支持我们使用心率和步数数据作为指标来研究进食障碍情况。另一个重要原因是因为大多数心率和身体活动数据，如步数，是最普遍收集的表型数据，使用各种设备。例如，你总是可以收集患者的热量摄入数据，但不需要参与者主动输入具体的热量摄入量。你无法通过设备被动地收集这些数据。尽管可能有更好的指标，但由于当前技术的进步，心率和步数是最常见和最广泛使用的表型数据类型，适用于各种设备，如Apple Watch。由于这种广泛的可用性，它确实增加了研究结果在不同进食障碍人群中的普遍性。此外，考虑到心率和步数数据来自Apple Watch和iPhone等设备，这些数据是非侵入性的，最大限度减少了使用点，而且在日常设备中很常见。我认为这涉及到实际原因，这也是我们选择心率和步数数据作为研究指标的主要原因之一。
Özge Gürcanlı Fischer Baum：这是一个非常棒的想法，你们跟踪了参与者30天。有趣的是，你们发现在暴食事件前平均心率或步数没有显著差异。你能解释一下为什么会这样吗？
Qinxin Shi：这是一个非常有趣的结果。如果我们强调心率和步数数据的价值，我所说的“价值”是指特定的数值。例如，在暴食事件前的心率值为85或65，再比如步数值，在暴食事件前两小时内的累积步数值。如果你考虑这两个值，我们在暴食窗口期和匹配的非暴食窗口期之间没有发现数值上的差异。假设你今天下午2点暴食，因为我们选择了两小时的时间窗口作为研究窗口，所以在那两小时内，你的暴食事件心率是一个值，步数是一个值。而在所有匹配的对照期内，这些值并没有显著差异。这意味着如果你真的要找一个数字来区分暴食和非暴食事件，我们没有找到那个神奇的数字。
Özge Gürcanlı Fischer Baum：是的，这确实令人惊讶。你还研究了步数的稳定性，发现它是接近暴食事件的一个潜在指标。你所说的“稳定性”是什么意思？跟踪这一指标如何能提高预测的准确性？
Qinxin Shi：这是一个非常好的问题。实际上，我之前说过，没有一个特定的数值可以帮助我们区分暴食和非暴食期。在我们的研究中，我们发现，当接近暴食事件时，心率和步数的时序模式开始变得稳定，这与非暴食时间窗口不同。让我进一步解释一下，以便你更好地理解我的意思。首先，让我更多地谈谈稳定性的概念。这与动态系统理论的概念密切相关。想象一下，我们都是生活在复杂世界中的复杂个体。周围不断发生着可预测和不可预测的事件，这些事件不断地影响我们。我用我的导师John的例子来描述这一点。我们都签过名。假设现在是早上6点，你精神饱满，睡眠充足，你签下了自己的名字。相反，现在已经是凌晨1点，你经过了一整天的工作，感到疲惫不堪，但仍需要签名。有时你会非常高兴，因为你签了一份令人满意的合同，然后签名。在其他情况下，你签了一些让你非常悲伤或绝望的东西，然后签名。每次，你都会尽可能地签出不同的签名，因为你无法每次都签出完全相同的签名。我的意思是，总的来说，你可以辨认出那是你的签名，其他人也可以辨认出那是你的签名。这就是稳定性。无论何时何地，无论在什么背景下签名，你的签名中总有一种稳定的特征会显现出来，人们可以辨认出来。这里的稳定性概念是指利用心率和步数作为指标，帮助我们更好地理解暴食事件即将发生的时间。心率和步数遵循它们自己的算法，是一种波动模式，上下起伏。但它们具有稳定性，这意味着当你跑步时，你的心率会上升，你的步数也会增加，但你不会一直跑步。你会回到一个稳定的状态，这是你的设定点，你的舒适区。你可以理解为你的舒适区。你会回来，这是你的稳定性。它不会永远偏离。即使你处于压力之下，即使发生了极端的事情，你偏离了设定点，但你总会回来。这就是稳定性的概念。我们之所以关心稳定性，是因为我们想知道为什么有人会暴食？模式是否发生了变化？是否有某种趋势打破了稳定性？这意味着突然的变化，他们将进入一个不同的阶段。因此，这可以用作警告信号，捕捉到某种趋势，预测暴食事件的发生。
Özge Gürcanlı Fischer Baum：这是一个很好的回答。谢谢。接下来，我想问一下数字技术的未来。使用心率和步数等被动传感器数据的想法开辟了新的可能性，对吧？你如何看待这种方法在未来应用于其他疾病或条件？
Qinxin Shi：我认为这是一个非常好的问题。我认为这种方法可以应用于许多其他条件，如抑郁症状、焦虑等，其中心率变异性甚至睡眠决定因素可以用作进一步预测症状的信号。实时监测可以帮助我们在广泛的行为健康条件下更早、更有效地进行干预。在我们的论文中，我们只关注进食障碍行为，但我认为这种方法肯定可以广泛应用于许多其他领域。
Özge Gürcanlı Fischer Baum：当我们看到稳定性时，它可以成为个人的预警信号。最后，你有没有什么关键的收获或最终的想法想留给听众？
Qinxin Shi：当然。我想分享的主要信息是我非常兴奋，因为我们现在生活在一个技术为我们提供了更多机会来从非线性视角研究心理学的世界。以前，我们经常假设事物之间的关系是线性的，但实际上可能更加复杂。人类是复杂的，环境也是复杂的。通过利用心率和步数作为指标，采用动态系统视角，我们可以真正让心率和步数携手合作，思考它们是如何一起“跳舞”的。利用这种“跳舞”的时序模式，观察它在暴食行为出现前如何变化。我认为，这使我们能够利用当前的技术和密集收集的数据，帮助我们解开通常研究的构念之间的非线性动态关联。传统方法中，我们无法控制很多因素，只能选择性地研究一些变量。而通过考虑动态系统视角，我们关注稳定性，这意味着无论环境如何变化，我们总会回到稳定性。利用这一理论，可以帮助我们控制许多在传统方法中无法控制的因素，从而从线性视角研究概念。
Özge Gürcanlı Fischer Baum：是的。因此，你的数据让我们能够从个体的稳定性点，即他们的舒适区，来思考问题，然后我们可以利用这一点为个体提供更具体的帮助和干预。Qinxin，这是一次非常愉快的交流。非常感谢你今天的参与。
Qinxin Shi：非常感谢邀请我。这是一次非常愉快的经历。
Özge Gürcanlı Fischer Baum：我是Özge Gürcanlı Fischer Baum，来自APS，今天我们与犹他大学的Qinxin Shi进行了交谈。如果你想了解更多关于这项研究的信息，请访问psychologicalscience.org。如果你有任何想法或问题，请发送邮件至underthecortex@psychologicalscience.org。
(全文结束)
