编辑推荐：
创伤后不良神经精神后遗症（APNS）危害显著，临床缺乏有效预测工具。本研究分析 1744 名创伤幸存者智能手机语言特征，发现 14 个横截面标记和 5 个纵向标记，如身体 / 健康相关词汇预示症状恶化，为 APNS 监测与干预提供新方向。
创伤，这个如同阴影般的存在，常常在人们经历突发事件后悄然埋下健康隐患。据统计，近 90% 的美国成年人一生中至少经历过一次创伤事件，其中许多人会前往急诊室（ED）接受治疗。然而，大多数人虽未住院，却面临着发展为创伤后不良神经精神后遗症（APNS）的风险，包括疼痛、躯体症状、思维 / 注意力 / 疲劳、抑郁、回避、再体验、焦虑、过度觉醒、睡眠障碍和噩梦等。这些症状不仅高度共病，还会导致痛苦、功能障碍和生活质量下降。但棘手的是，医生缺乏有效的工具来判断哪些人有出现严重症状或长期症状负担的风险，尤其是急诊就诊后的随访往往有限。
为了填补这一空白，美国北卡罗来纳大学教堂山分校等机构的研究人员开展了相关研究，试图探索智能手机语言特征与创伤后症状之间的关联。该研究成果发表在《NPP—Digital Psychiatry and Neuroscience》上，为创伤后健康监测和干预提供了新的视角。
研究人员利用 “推进创伤后恢复理解”（AURORA）研究的数据，对 1744 名创伤幸存者进行了分析。这些参与者平均年龄 39 岁，56% 为女性，主要创伤类型为机动车碰撞（71%）。研究通过 Mindstrong Discovery?应用程序收集参与者智能手机使用中的语言数据，提取语言特征，并结合参与者在创伤后 6 个月内的 APNS 症状评分进行分析。
研究主要采用了以下关键技术方法：
- 数据收集：通过专用应用程序被动收集参与者智能手机输入的词汇数据，同时通过 “闪速” 调查收集 APNS 症状数据，涵盖 10 个症状域。
- 语言特征生成：使用经过验证的语言模型（如 LIWC 软件）计算心理特征和词汇特征，包括情感表达、代词使用、词长等。
- 统计分析：采用双变量线性混合模型，识别与 APNS 症状严重程度（横截面标记）和症状变化（纵向标记）相关的语言特征，并进行内部验证。
研究结果
横截面语言标记
研究识别出 14 个横截面语言标记，与 7 个 APNS 症状域相关。例如，疼痛和躯体症状严重程度较高与频繁提及家人、其他人或男性相关；躯体症状、噩梦和回避与更多使用第一人称单数代词相关；过度觉醒、抑郁和焦虑与更多负面情绪表达相关。
纵向语言标记
发现 5 个纵向语言标记，与 3 个 APNS 症状域的变化相关。其中，疼痛、躯体症状和思维 / 注意力 / 疲劳症状恶化与增加提及身体和健康 / 疾病相关；疼痛改善与增加表达因果关系和认知过程相关；躯体症状改善与增加提及他人相关。
预测效用
纵向标记对症状恶化的阳性预测值（PPV）为 0.76-0.82，对症状改善的阴性预测值（NPV）为 0.68-0.78，显示出一定的预测潜力。
研究结论与讨论
本研究首次利用智能手机日常使用中的语言数据，识别出与 APNS 症状严重程度和变化相关的横截面和纵向语言标记。这些发现表明，智能手机语言特征可反映创伤后的认知和情感过程，为远程监测健康状态和实时了解恢复情况提供了有效手段。临床医生可利用这些信息识别高症状负担或症状恶化风险的个体，指导针对性干预。
研究还发现，社交相关语言（如提及他人）与躯体症状的关系呈现矛盾性，高频提及他人既与当前躯体症状严重程度较高相关，又与症状改善相关，这一现象需进一步研究。此外，语言复杂性指标（如长词使用、冠词使用）与症状严重程度负相关，与先前研究一致，提示语言模式可能反映心理状态。
尽管存在样本主要为急诊就诊者、创伤类型以机动车碰撞为主、仅使用安卓手机数据等局限性，但该研究为创伤后健康监测开辟了新方向。未来研究可结合更多被动数据（如击键、活动数据），延长观察时间，探索性别差异，进一步提升预测准确性，推动数字表型在创伤后护理中的应用。
这项研究不仅深化了对创伤后神经精神后遗症的理解，更展示了数字技术在心理健康领域的巨大潜力，为实现个性化、精准化的创伤后干预提供了重要依据。
