本页面由土耳其语自动翻译。 阅读原文

本页是借助人工智能编写的土耳其语摘要，介绍在第26届世界精神病学大会上报告的研究。研究归报告作者所有；引用时请查阅原始来源。

SO138

基于智能手机的数字表型分析预测精神病性症状复发

PREDICTING PSYCHOTIC RELAPSE USING SMARTPHONE DIGITAL PHENOTYPING

基于智能手机数据的数字表型分析可提前数天或数周捕捉精神病性症状复发的早期预警信号；然而，如何将其整合到常规临床实践中仍是尚未解决的问题。

本综述旨在探讨基于智能手机的数字表型分析在预测精神病性症状复发（relapse）这一临床常见问题中的作用。研究方法为通过检索PubMed数据库开展非系统性文献综述；海报未报告样本信息或定量综合结果。海报指出，在确诊精神分裂症的患者中，即使接受适当治疗，仍有高达40%的患者在出院后一年内复发，对病程产生不利影响。数字表型分析被定义为利用智能手机及互联数字设备获取的数据，对个体的行为和生理状态进行持续、实时的评估；数据采集分为主动采集与被动采集，前者通过特定任务由个体自愿提供数据，例如生态瞬时评估（ecological momentary assessment，EMA），后者则无需用户主动输入，例如采集位置及通信模式等数据。睡眠模式改变、社交退缩、焦虑、心境恶劣及轻微精神病性症状被列为可能的早期预警信号；ITAREPS、CrossCheck、EMPOWER和mindLAMP项目被列为精神病领域探索复发早期标志的主要研究。会议摘要还指出，这些研究可提前3至14天识别复发，部分研究则聚焦于复发前30天的时间窗口。结论强调，这些系统能够支持个体化干预，但要发挥实际效果，必须将其融入常规临床工作流程。

全部 WCP 2026 摘要