JAMA Netw Open：可穿戴生物传感技术预测自闭症精神病住院青少年即将发生的攻击行为

自闭症患者中的攻击行为是一个普遍且具有挑战性的问题，尤其在精神病院住院的青少年中更为常见。这些行为可能导致对患者自身或他人的伤害，增加医疗和护理的难度。了解和预测这些行为的发生对于制定有效的干预措施至关重要。近年来，随着可穿戴生物传感技术的发展，研究者开始探索利用这些技术结合机器学习来预测自闭症青少年的攻击行为。这种方法可能有助于提前识别潜在的攻击行为，从而采取预防措施，减少伤害发生。

这项非干预性预测性研究使用了2019年3月至2020年3月在4家初级护理精神病院住院部收集的数据。纳入了86名确诊为自闭症的精神病院住院患者，他们表现出自伤行为、情绪失调或对他人的攻击行为；其中16名（18.6%）因不愿佩戴生物传感器（8人）或在观察前出院（8人）而未被纳入。数据分析从2020年3月至2023年10月进行。研究人员在住院研究参与者佩戴商业可用生物传感器记录外周生理信号（心血管活动、皮肤电活动和运动）时进行了攻击行为的现场行为编码。使用逻辑回归、支持向量机、神经网络和领域适应来分析从生物传感器数据中提取的时间序列特征。使用接收者操作特征曲线下面积（AUROC）值来评估人群和个人依赖模型的性能。

结果：共有70名研究参与者（平均年龄11.9岁，范围5-19岁；62名男性[88.6%]；1名亚洲人[1.4%]，5名黑人[7.1%]，1名夏威夷或其他太平洋岛民[1.4%]，63名白人[90.0%]；5名西班牙裔[7.5%]和62名非西班牙裔[92.5%]）。近一半的人群（32人[45.7%]）语言能力有限，30人（42.8%）有智力障碍。住院时间从8天到201天不等，平均住院时间为37.28天。共记录了429次自然观察编码会话，总计497小时，记录了6665次攻击行为，包括自伤（3983次行为[59.8%]）、情绪失调（2063次行为[31.0%]）和对他人的攻击（619次行为[9.3%]）。逻辑回归显示，它能在攻击行为发生前3分钟以平均AUROC为0.80（95% CI, 0.79-0.81）预测攻击行为。

攻击性行为特征和受试者工作特征曲线下面积（AUROC）

总之，这项研究使用了可穿戴生物传感器记录的外周生理变化和机器学习来预测自闭症住院青少年即将发生的攻击行为。研究发现，通过分析心血管活动、皮肤电活动和运动等生理信号，可以有效预测攻击行为的发生。这些发现表明，结合可穿戴技术和机器学习的方法在预测自闭症青少年攻击行为方面具有潜在的应用价值，为临床干预提供了新的可能性。

原文出处：

Wearable Biosensing to Predict Imminent Aggressive Behavior in Psychiatric Inpatient Youths With Autism. JAMA Netw Open. 2023 Dec 1;6(12):e2348898. doi: 10.1001/jamanetworkopen.2023.48898. PMID: 38127348; PMCID: PMC10739066.