**摘要**
**背景**
可穿戴传感器是一种有前景的方法，可用于收集患有安格尔曼综合征（AS）患者的临床试验结果数据。然而，目前尚未系统地探讨可穿戴传感器在AS中的成功应用方式。本研究旨在提供关于AS中使用的可穿戴传感器的定量总结，包括使用场景和心理测量属性，并呈现关键的研究亮点。
**方法**
我们在三个电子数据库中进行了文献搜索：APA PsycInfo、PubMed和Web of Science Core Collection。数据项被分为四类：样本特征、研究方法细节、可穿戴传感器特征以及评估的心理测量属性。样本特征包括样本规模、年龄、生物性别、种族/民族以及认知/发育功能。研究方法细节进一步细分为研究设计和研究环境。可穿戴传感器特征包括传感器类型、佩戴位置、固定方式、评估的构念以及与传感器相关的数据丢失情况。评估的心理测量属性包括传感器衍生数据的可靠性和有效性。
**结果**
通过系统回顾，我们确定了16篇相关文章。这些文章中，可穿戴传感器被用于研究AS患者的睡眠（n=10，62.5%）、语言（n=2，12.5%）、步态（n=2，12.5%）、看护者距离（n=1，6.3%）、脑电图功率（n=1，6.3%）和觉醒状态（n=1，6.3%），使用的设备包括活动记录仪、发声记录器、惯性传感器、射频识别手表、无线脑电图帽和功能性近红外光谱帽。研究结果总体表明，可穿戴传感器在评估与AS相关的多种行为方面是可行、可靠且有效的。
**结论**
可穿戴传感器是改善AS评估的一种有前景的解决方案。然而，现有的文献数量较少，且主要集中在AS的少数相关特征上，因此仍有很大的机会探索其在AS患者中的应用。更多的研究将有助于更好地为临床决策提供信息，最终改善AS患者及其家庭的生活。可穿戴传感器是设计用于持续收集行为和生理数据的设备，是收集包括安格尔曼综合征患者在内的多种临床群体临床试验结果数据的一种有前景的方法。AS是一种罕见的神经遗传性疾病，发病率约为每15,000例出生中有1例，其原因是母系遗传的泛素蛋白连接酶E3A（UBE3A）基因在15q11-q13染色体区域的表达缺陷（Bird 2014）。已知有四种遗传机制会导致AS：(a) 母系15q11-q13染色体区域的缺失（母系缺失；70%–75%）；(b) 继承两个父系15q11-q13染色体片段（父系单亲二体性[UPD]；1%–9%）；(c) 母系15号染色体的印记中心异常（印记缺陷；1%–8%）；(d) 母系15号染色体上的UBE3A基因突变（突变；5%–10%；Bird 2014；Buiting等人2016）。尽管这些基因型之间存在一些临床表型差异（Williams等人2010），但AS具有四个一致的特征：严重的智力障碍、严重的言语障碍、平衡或运动障碍以及独特的行为特征（例如，频繁笑或微笑；Bird 2014；Williams等人2006）。在超过80%的AS患者中还观察到其他临床特征，包括脑电图（EEG）异常、癫痫发作、胃肠道问题、小头畸形和睡眠问题（Bird 2014；Esbensen和Schwichtenberg 2016；Williams等人2006）。现有的发展和临床测量方法往往不足以全面评估AS患者的各种功能。首先，大多数评估和结果测量方法并不是专门为患有严重智力和多重残疾的人设计的（Soorya等人2018；Thurm等人2020）。例如，在AS中使用标准化测试时，常常会出现“地板效应”——即最低可能的分数，尽管表现存在差异，这阻碍了对其功能水平的准确和精确估计（DiStefano等人2020；Thurm等人2020）。为了规避地板效应，提出了超出正常范围的测试方法，即使用为年龄较小的人设计的评估工具，但这种方法仍存在一些局限性（例如，分数趋于平稳和无意中的污名化效应（DiStefano等人2020）。第二个局限性是，当前的标准化评估方法对于检测AS患者中预期的急性、渐进性变化不够敏感，因为他们的发育轨迹较慢（Tan和Bird 2016）。这种敏感性不足在临床试验中尤为突出，因为临床试验通常旨在在短时间内检测到有意义的改变。AS的临床试验越来越多地旨在检测癫痫、睡眠、运动功能、沟通和适应行为等领域的变化（Tjeertes等人2023）。新兴疗法可能会改善影响日常功能的特定生理和行为特征（Hagenaar等人2024）。因此，AS试验中的结果测量方法必须能够敏感地捕捉细微变化，并能够反映现实世界中的功能。许多传统的临床评估依赖于简短的、结构化的观察，可能无法完全反映日常体验或随时间的变化。实际上，确定适合用作临床试验终点的结果测量方法是AS临床研究中的一个关键未满足需求（Markati等人2021）。在扩展自然史研究、深入表型分析和新兴的基因靶向治疗策略（包括反义寡核苷酸[ASO]策略）的背景下，这一需求变得越来越重要（Hagenaar等人2024；Markati等人2021）。重要的是，家长和看护者认为与治疗相关的变化优先领域包括癫痫、睡眠、行为和沟通等（Grieco等人2019；Wheeler等人2017）。这些发展共同强调了需要能够敏感地捕捉细微变化、随时间可扩展并且能够反映对家庭和临床医生最重要的领域中的现实世界功能的结果测量方法。最后，现有的AS评估工具在很大程度上依赖于信息提供者的报告，因为AS患者在认知和表达语言能力方面存在显著缺陷。虽然看护者的报告在很大程度上是可靠的，并且与临床医生的观察结果一致（Tones等人2018），但完成重复评估非常耗时，特别是当用于监测频繁出现的行为（例如，具有挑战性的行为）和慢性问题（例如，睡眠问题）时。此外，信息提供者的报告受到偏见和安慰剂效应的影响（Bull等人2015），因此不能作为食品药品监督管理局试验的临床终点。当要求看护者反复报告他们孩子的能力时，尤其是当要求他们报告那些未设计来反映孩子独特技能的表格时，也会带来额外的负担（Walkowiak和Domaradzki 2025）。
**1. 可穿戴传感器作为AS的潜在评估工具**
可穿戴传感器可以缓解与传统评估工具相关的一些挑战（Park和Jayaraman 2021）。例如，虽然大多数由考官主导的评估方法涉及对行为的单次观察，但可穿戴传感器允许持续监测（Dunn等人2018；Patel等人2012）。这种方法不仅提供了更多的数据量，还增强了我们对数据模式是否随不同情境（如一天中的时间或地点）而变化的理解。可穿戴传感器还促进了更自然的数据收集，可能揭示个体如何体验他们的“典型”环境。自然主义数据有潜力更准确地反映个体的现实世界体验，特别是考虑到常见的临床共病情况，如焦虑，这可能会影响基于诊所的测试的准确性，尤其是在不熟悉的环境中（Edinger等人1997；Zhang等人2024）。通过减少面对面评估的需要，可穿戴传感器还提高了可访问性，为更具包容性和代表性的科学和临床护理奠定了基础（Pantelopoulos和Bourbakis 2010），前提是社区认为这项技术是可以接受和合适的（Dunn等人2018）。尽管有这些优势，可穿戴传感器尚未被常规用于收集AS的临床试验数据。在这里，我们重点关注两个限制转化结果的根本障碍。首先，尽管可穿戴传感器越来越多地被用于收集、处理和整合临床数据以揭示活动和行为的见解（Park和Jayaraman 2021），但尚未系统地探讨可穿戴传感器在AS中的成功应用方式。例如，根据部署特性和外形因素（Park和Jayaraman 2021），某些可穿戴传感器可能更成功地用于测量AS的特定特征，而其他传感器可能由于耐受性差和感觉强迫行为而效果有限（Grieco等人2019；Heald等人2020）。因此，回顾当前AS中可穿戴传感器的使用模式可能进一步指导以患者为中心和基于看护者信息的可穿戴传感器开发和实施。其次，关于目前用于AS的可穿戴传感器的心理测量属性的信息有限。对可穿戴传感器进行严格的心理测量评估至关重要（Sahin等人2019），特别是因为大多数商业可用产品并非专门为AS设计。鉴于心理测量属性（如可靠性和有效性）是特定于样本的，即使在可穿戴传感器的技术开发过程中在非临床样本中显示出令人满意的结果，也需要在AS中验证这些属性。此外，检查从AS患者那里收集的可穿戴传感器数据的可靠性和有效性尤为重要（Wasserman和Bracken 2013），因为复杂的临床特征（例如，行为的自然变化和多种症状的混杂影响）可能会影响这些心理测量属性（Hagenaar等人2024）。同样，灵敏度和可行性也是需要考虑的关键可穿戴传感器属性，以便有效应用于临床（Thurm等人2020）。具体来说，可能需要重点确保这些技术能够检测到渐进性变化，而这些变化使用现有的基于行为的方法可能不易观察到（Grieco等人2019）。可接受性也很重要；传感器必须设计得能够支持AS患者长时间佩戴，并且对他们及其家庭来说既舒适又实用（Dunn等人2018）。本研究通过系统回顾使用可穿戴传感器来测量和理解AS患者体验的已发表研究，解决了这些文献空白。在纳入的研究中，我们的主要目标是提供可穿戴传感器细节的定量总结，包括评估的心理测量属性及其使用场景（即样本和研究特征）。我们的次要目标是提供纳入研究的叙述性综合，突出关键的方法论方法、可穿戴传感器特征和主要发现。总体而言，鉴于可穿戴传感器在神经遗传综合征中的新兴应用，我们预计会发现使用可穿戴传感器的研究数量有限。我们预计现有研究将包括适合评估AS核心临床特征的技术，包括心率监测器（认知和注意力缺陷）、发声记录器（言语障碍）、加速度计和惯性传感器（睡眠问题和运动障碍）以及脑电图（神经异常和癫痫发作）。
**2. 方法**
我们根据《系统评价和荟萃分析的优先报告项目》（PRISMA）声明（Page等人2021）中规定的指南报告了这项系统评价。
**2.1 资格标准**
如果文章符合以下标准，则保留其全文审查：(1) 研究至少包括一名安格尔曼综合征患者或可能包括该病症的更广泛的神经发育群体患者；(2) 研究使用了可穿戴的、佩戴在身上的传感器进行数据收集；如果此时不清楚该设备是否无线，则保留该文章进行全文审查；(3) 研究采用了涉及主要数据收集的设计（例如，横断面、纵向、干预）；(4) 文章以英文发表，并且出版时间在1990年之后。如果文章明显不符合其中一个或多个标准，则被排除在外。
**2.1.2 全文**
为了纳入这项系统评价，文章必须满足以下所有纳入标准：(1) 报告了原始数据（即非二次数据分析）；(2) 包括至少一名被诊断为AS的患者；(3) 使用了至少一种可穿戴传感器来客观测量行为和/或生理信号；(4) 以英文发表在同行评审的期刊文章或会议论文中；(5) 出版时间在1990年之后。如果文章不符合所有纳入标准，则被排除在外。
**2.2 信息来源**
我们在三个专注于生物医学和心理科学的电子数据库中进行了文献搜索：APA PsycInfo、PubMed和Web of Science Core Collection。根据其中一个纳入标准，我们将文献搜索范围缩小到1990年及以后。2021年10月12日、2024年4月3日和2025年11月25日分三个阶段进行了搜索。
2.3 搜索策略
搜索策略由临床、工程和信息科学领域的专家共同制定，这些专家分别在自闭症谱系障碍（AS）和神经发育障碍、可穿戴技术以及系统评价方面具有专长。完整的搜索策略在支持信息中提供。简而言之，我们使用了包含自由文本和受控词汇的两个搜索词的组合。第一种搜索策略用于识别涉及AS的研究（例如，“Angelman Syndrome”[Mesh]或“UBE3A”[Title/Abstract]）。第二种搜索策略用于识别涉及可穿戴传感器的研究。我们采用了双管齐下的方法，区分了专门设计为可穿戴设备的传感器（例如，“Actigraphy”[Mesh]或智能眼镜[Title/Abstract]）和可以作为固定或便携式系统使用的传感器；对于后者（例如，“Electrocardiography”[Mesh]或脑电图[Title/Abstract]），我们使用了额外的搜索词来限制传感器为便携式的（例如，ambulatory[Title/Abstract]或untethered[Title/Abstract]）。
2.4 选择过程
首先，我们将从文献搜索中检索到的研究记录上传到Rayyan应用程序中，该应用程序是专门为支持进行系统评价而开发的（Ouzzani等人，2016年）。其次，两名本科生研究助理（以下简称“评估者”）独立地根据纳入标准筛选每项研究记录的标题和摘要，并指示保留提供有限细节的研究记录（例如，参与者被描述为患有遗传性疾病但未具体提及AS）。在意见不一致的情况下，评估者在研究生级别的研究人员的监督下通过讨论达成共识。最后，在下载了全文文章后，两名评估者独立地根据纳入标准对每篇文章进行了全文筛选。如果有分歧，也在研究生级别的研究人员的监督下通过讨论解决。
2.5 数据项和提取过程
对于纳入本系统评价的每项研究，两名评估者使用REDCap上的定制电子表格独立提取数据（Harris等人，2009年）。如果出现分歧，通过评估者之间的讨论解决，必要时在具有神经发育障碍方面丰富临床经验和使用可穿戴传感器方面具有技术专长的研究生级别研究人员的咨询下解决。数据项被分为四个大类：样本特征、研究方法学细节、可穿戴传感器特征和可穿戴传感器心理测量属性的评估。
2.5.1 样本特征
我们将样本大小编码为提供可穿戴传感器数据的AS患者数量。年龄使用平均值、标准差和范围的统计数据进行编码。我们将生物性别编码为AS患者的百分比。我们根据AS的四种遗传病因进行基因型编码（Bird 2014）：母系缺失；父系UPD；印记缺陷；以及突变。种族/民族按照联邦种族和民族分类进行编码，包括美洲原住民/阿拉斯加原住民、亚洲人、黑人/非裔美国人、西班牙裔/拉丁裔、夏威夷原住民/其他太平洋岛民和白人。我们使用平均值、标准差和范围的统计数据进行认知或发育功能的编码；我们还编码了使用的评估措施。
2.5.2 研究方法学细节
我们使用三个大类对研究设计进行编码：干预（即，研究方案包括对AS患者的行为或药物治疗）；纵向（即，研究方案包括多天的可穿戴传感器数据收集）；以及方法学（即，研究主要旨在开发或评估处理或分析可穿戴传感器数据的方法）。我们还根据家庭、诊所/研究实验室和社区场所对收集可穿戴传感器数据的所有环境进行编码。
2.5.3 可穿戴传感器特征
使用预先指定的选项，我们对几个可穿戴传感器特征进行了编码，包括传感器类型、放置位置、固定方式以及与传感器相关的数据丢失。为了简洁起见，我们为每个特征提供了简要定义和示例。传感器类型指的是用于测量行为和/或生理信号的可穿戴传感器类型，如加速度计/活动记录仪、脑电图、眼动追踪器、心率监测器和发声记录器。放置位置是指可穿戴传感器佩戴在身体的物理位置，如头部、胸部、腰部、手腕和脚踝。可穿戴传感器可以通过各种固定方式固定在放置位置上，包括粘合剂、带子、夹子、衣物口袋和手套/袜子。评估的构念是指可穿戴传感器主要设计用于测量的行为或心理概念，如觉醒、注意力、步态、语言和睡眠。与传感器相关的数据丢失可能由于多种原因发生，包括数据质量差、技术故障以及与感官困难相关的耐受性问题。
2.5.4 可穿戴传感器心理测量属性的评估
我们编码了研究是否评估了可穿戴传感器数据的可靠性和有效性。具体来说，对于可靠性，我们编码了评估者间可靠性（即，两名评估者处理或解释相同可穿戴传感器数据的程度的一致性）和重测可靠性（即，可穿戴传感器测量结果在时间间隔的两个不同评估期间的一致性）。在有效性方面，我们广泛编码了收敛有效性，基于研究是否将可穿戴传感器数据与其他评估同一构念的数据进行比较，如行为观察/记录、病例对照比较、金标准生理评估、问卷调查和评分量表。
3 结果
3.1 搜索和选择结果
我们的文献搜索和研究选择结果在图1中以PRISMA流程图的形式展示。简而言之，文献搜索产生了63条研究记录，所有记录都经过了标题和摘要的筛选。完成了29份研究报告的全文筛选，其中12份因使用了非可穿戴传感器（例如，多导睡眠图[Miano等人，2005]和常规脑电图[Robinson等人，2015]）而被排除，还有1份因进行了二次数据分析（O'Sullivan等人，2024）而被排除。因此，本系统评价共包括了16项研究（表1和表2；Agar等人，2020；Agar等人，2023；Allen等人，2013；Anderson等人，2008；Bindels-de Heus等人，2023；Duis等人，2023；Gálvez-Ortega等人，2025；Goldman等人，2012；Hagenaar等人，2024；Hamrick等人，2023；Iglesias Escalera等人，2025；Kraan等人，2022；Semenzin等人，2021；Tjeertes等人，2023；Trickett等人，2019；Zhdanova等人，1999）。除了Zhdanova等人（1999）的研究外，所有纳入的研究都是在过去10-15年内发表的。图1 PRISMA流程图。表1. Angelman综合征样本特征和研究方法学细节。
表1. Angelman综合征样本特征和研究方法学细节。
| 研究 | n | 年龄（岁） | 性别（%男性） | 基因型 | 种族/民族 | 认知/发育功能 | 研究设计 | 研究环境 |
|------|-----|---------|---------|---------|-----------|---------|---------|
| Agar等人，2020 | 12 | 8.0 | 50.0 | 未报告 | 未报告 | VABS-II（ABC得分） | 纵向（7天） | 家庭 |
| Agar等人，2023 | 18 | 9.3 | 未报告 | 未报告 | 未报告 | 纵向（3-6天） | 家庭 |
| Allen等人，2013 | 5 | 5.6 | 未报告 | 未报告 | 干预（基线：2-9周；干预：6-12周；1个月随访：0-1周；3个月随访：0-1周） | 家庭 |
| Anderson等人，2008 | 3 | 29.7 | 未报告 | 未报告 | 纵向（14天） | 家庭 |
| Bindels-de Heus等人，2023 | 20 | 7.5 | 未报告 | 未报告 | 干预（基线：1周；干预：6周；12周随访：1周；26周随访：1周） | 家庭 |
| Duis等人，2023 | 23 | 9.3 | 未报告 | 未报告 | 纵向（14天） | 社区 |
| Gálvez-Ortega等人，2025 | 7 | 6.3 | 未报告 | 白人=85.7%；西班牙裔/拉丁裔=14.3% | 方法学 | 家庭 |
| Goldman等人，2012 | 15 | 6.5 | 未报告 | 未报告 | 纵向（诊所：1天；家庭：28天） | 诊所 |
| Hagenaar等人，2024 | 28 | 11.0 | 未报告 | 未报告 | PEDI-CAT | 方法学 |
| Hamrick等人，2023 | 27 | 3.2 | 未报告 | 未报告 | VABS-3（ABC得分） | 方法学 |
| Iglesias Escalera等人，2025 | 15 | 6.5 | 未报告 | 干预 | 方法学 |
| Kraan等人，2022 | 5 | 7.7 | 未报告 | 方法学 |
| Semenzin等人，2021 | 10 | 3.5 | 未报告 | 方法学 |
| Tjeertes等人，2023 | 55 | 10.3 | 未报告 | 方法学 |
| Trickett等人，2019 | 20 | 9.4 | 未报告 | 方法学 |
| Zhdanova等人，1999 | 13 | 6.5 | 未报告 | 方法学 |
3.2 描述性分析
3.2.1 样本和研究特征
与大多数关于罕见神经遗传综合征的研究一致，所有纳入的研究都具有较小的样本规模，参与者数量从3到55人不等（平均值=16.4，标准差=12.6）。大多数研究（n=15，93.89%）关注儿童。所有研究的加权平均年龄为8.4岁（范围：3.2-29.7岁）。生物性别大致平衡，所有研究中50%的参与者为男性。在报告基因型细节的11项研究（68.8%）中，涵盖了AS的四种遗传病因，这与自然史研究中的已知分布大致一致（母系缺失：n=152，70%；父系UPD：n=26，12%；印记缺陷：n=11，5.1%；突变：n=26，12%）。只有三项研究（18.8%）报告了种族/民族数据。七项研究（43.8%）使用标准化工具描述了参与者的认知/发育功能。在这些研究中，有2项（12.5%）使用了Vineland-II量表，2项（12.5%）使用了Vineland-3量表，2项（12.5%）使用了Bayley婴儿和幼儿发展量表，1项（6.3%）使用了Mullen早期学习量表，还有1项（6.3%）使用了儿科残疾评估量表计算机自适应测试。研究设计多种多样，大多数研究（n=11，68.8%）在多天内收集了可穿戴传感器数据（时间范围从3天到24周），作为纵向研究或干预方案的一部分。大多数研究（n=14，87.5%）主要在家庭环境中收集了可穿戴传感器数据。
3.2.2 可穿戴传感器
可穿戴传感器被用于研究睡眠（n=10，62.5%）、语言（n=2，12.5%）、步态（n=2，12.5%）、看护者距离（n=1，6.3%）、脑电图功率（n=1，6.3%）和觉醒状态（n=1，6.3%），分别通过加速度计/活动记录仪、发声记录器、惯性传感器、射频识别（RFID）手表、无线脑电图帽和功能性近红外光谱（fNIRS）帽来实现。这些传感器通常按照设计要求佩戴，例如活动记录仪通过绑带固定在脚踝或手腕上，发声记录器则放置在背心的前胸口袋中。有一半的研究（n=8，50.0%）没有报告关于可穿戴传感器数据丢失的信息。在其余八项报告数据丢失的研究中，有六项指出少数参与者无法忍受佩戴活动记录仪；有一项研究由于参与者在佩戴fNIRS帽时表现出不适，决定完全停止使用该设备。在评估的心理测量属性方面，有七项（43.8%）研究考察了重测信度或评分者间信度，八项（50.3%）研究使用了多种方法研究聚合效度，包括行为记录和问卷调查，还有一项（6.3%）研究通过评估后调查来衡量可接受性。
3.3 叙述性综述
在这里，我们总结了关键的研究发现，特别强调了可穿戴设备方法、心理测量分析和主要的临床发现。这些研究在儿童（例如Goldman等人2012年；Trickett等人2019年）和成人（例如Anderson等人2008年）中都使用了可穿戴设备，并采用了多种研究设计。
3.3.1 睡眠
3.3.1.1 可行性研究
所有研究睡眠的研究都使用了活动记录仪。Tjeertes等人（2023年）比较了多种收集AS患者睡眠数据的方法，包括睡眠日记、睡眠垫、活动记录仪和夜间脑电图。评估了参与者对每种方法的每日依从性和看护者的整体满意度。AS患者对活动记录仪的平均依从率为56%，不依从的原因包括看护者认为该方法不可行、参与者无法忍受设备或参与者干扰设备的使用。看护者对活动记录仪的满意度高于夜间脑电图（64% vs 59%表示满意或非常满意），但对睡眠垫的满意度最高（91%表示满意或非常满意）。
3.3.1.2 睡眠特征研究
八项研究使用活动记录仪客观地描述了睡眠行为。Anderson等人（2008年）采用案例研究方法，通过活动记录仪和看护者报告的睡眠日记来研究三姐妹的睡眠障碍。不同方法在总睡眠时间上存在一些差异，看护者报告的睡眠时间为9-10小时，而活动记录仪数据显示为7-8.5小时。此外，活动记录仪还提供了其他睡眠指标，如低睡眠效率和高度睡眠片段化，这些指标无法通过看护者日记方法检测到。Goldman等人（2012年）结合客观（即活动记录仪和多导睡眠图）和主观（即家长报告问卷）的睡眠测量方法，研究了AS儿童的睡眠行为及其与家长压力的关联。活动记录仪确定的夜间醒来次数在诊所和家庭环境中相似（Spearman's rs=0.76），这为不同环境下的重复活动记录仪测量提供了可靠性支持。此外，通过家庭活动记录仪检测到的夜间醒来次数与使用金标准临床多导睡眠图检测到的结果相似（rs=0.64），表明有合理的聚合效度。活动记录仪测得的睡眠时间较长的参与者，家长报告的夜间醒来次数和异常行为也更多，这表明较长的睡眠时间可能是为了补偿AS中的睡眠中断。Trickett等人（2019年）使用病例对照设计，比较了AS儿童与年龄和性别匹配的正常发育（TD）儿童的睡眠参数，利用了活动记录仪和家长报告的睡眠日记。与对照组相比，AS儿童表现出更早的“就寝”时间（Cohen's d=0.47）和较低的睡眠效率（d=0.33）。此外，AS儿童在总睡眠时间和夜间醒来次数上的个体内和个体间变异性更大。Agar等人（2020年）使用活动记录仪研究了AS儿童从就寝到进入持续睡眠之间的时间以及夜间醒来情况。AS儿童在这些清醒期间最常见的行为包括嘴动、与玩具和电子设备互动、表达负面面部表情和发声以及摇晃。滞后分析显示，与夜间醒来相关的疼痛行为（如特定的腿部动作和负面情绪）更可能发生在AS儿童中，表明疼痛和不适可能是AS睡眠问题的原因。在后续研究中，Agar等人（2023年）通过RFID手表跟踪看护者与儿童的互动以及活动记录仪定义睡眠-清醒周期，研究了夜间醒来情况。研究发现，无论夜间看护者互动的频率如何，AS儿童的睡眠质量较差且夜间醒来时间较长，这表明AS中的失眠不能仅用操作模型来解释。
3.3.1.3 干预研究
两项研究评估了行为干预，一项研究评估了药物干预，还有一项研究评估了饮食干预。为了评估家长主导的行为治疗包在减少慢性睡眠问题方面的有效性，Allen等人（2013年）对五名AS儿童使用了多基线设计，在基线期、治疗期和随访期收集了活动记录仪数据。活动记录仪显示总睡眠时间增加，睡眠效率略有提高，入睡潜伏期略有减少，夜间醒来时间没有变化，表明行为治疗包成功改善了AS的某些睡眠方面。Bindels-de Heus等人（2023年）使用活动记录仪和视频多导睡眠图测量了行为治疗计划对AS儿童睡眠质量的影响。结果显示，干预后总睡眠时间和睡眠后清醒时间有所改善，儿童和看护者的生活质量也有所提高，证明了行为干预计划在治疗AS相关睡眠困难方面的有效性。值得注意的是，与视频多导睡眠图相比，活动记录仪低估了总睡眠时间，因为睡眠中的动作被错误地记录为醒来。Zhdanova等人（1999年）使用活动记录仪监测褪黑素治疗对经历失眠的AS儿童睡眠行为的影响。褪黑素治疗显著增加了总睡眠时间，并伴随着睡眠期间运动活动的显著减少。重要的是，活动记录仪测得的这些积极效果与家长报告的睡眠质量改善一致，为低剂量褪黑素治疗对AS的好处提供了证据。Iglesias Escalera等人（2025年）使用活动记录仪评估了低血糖指数生酮饮食对AS儿童睡眠质量的影响。评估的睡眠参数包括睡眠潜伏期、醒来次数、睡眠效率和睡眠后清醒时间。结果显示睡眠时间略有增加，其他活动记录仪衍生的睡眠参数也有轻微变化，与儿童睡眠习惯问卷的结果一致，治疗组和对照组之间没有统计学上的显著差异。总体而言，活动记录仪的发现与先前文献记录的AS患者持续且显著的睡眠障碍一致。
3.3.2 语言
可穿戴发声记录器，如Semenzin等人（2021年）和Hamrick等人（2023年）使用的语言环境分析（LENA）系统，有助于在自然环境中大规模收集发声数据。Semenzin等人（2021年）评估了一个基于众包的注释流程，涉及公民科学家，他们研究了非专家注释者是否能够可靠地将发声分为五类（即规范、非规范、哭泣、笑声和杂音），随后用这些分类得出两个综合指标（即语言比例和规范比例）。尽管单个发声的评分者间信度仅中等强度，但综合指标的信度显著更高。Hamrick等人（2023年）利用扩展的样本，研究了如何在自然环境中收集的大规模发声数据通过半自动化处理系统得到增强。具体来说，Hamrick等人（2023年）开发了一个话语级处理（ULP）系统，通过结合策略性的人工编码来改进LENA的自动化输出，生成详细的发声成熟度指标（如规范咿呀语比例和规范发声率），这些指标对于量化AS前语言儿童的语言特别相关。他们的研究表明，ULP衍生的指标可以可靠地编码，并为低风险和AS样本提供了发展上有意义的信息。这两项研究共同展示了AS自然发声数据注释的互补策略：Hamrick等人（2023年）强调了结构化半自动化流程在临床级测量中的价值，而Semenzin等人（2021年）展示了众包方法在研究应用中提高可扩展性的潜力。
3.3.3 步态分析
两项研究使用可穿戴传感器对AS患者的步态进行了分析，重点关注可行性和临床相关性。Kraan等人（2022年）首先证明了可行性，他们使用脚踝佩戴的传感器在多种环境中（即家庭、研究中心和医院）收集了真实的行走数据。测量的参数包括平均步长、平均站立百分比和站立百分比的变异系数。值得注意的是，这些指标可以可靠地收集，并且与实验室评估结果高度一致。Duis等人（2023年）在Kraan等人（2022年）的基础上，使用ActiMyo磁惯性传感器测量了更大样本AS患者的步长、步速和步幅持续时间，并将其数据与TD对照组进行了比较。AS患者表现出显著较短的步长、较低的步态速度和较宽的步幅，这些特征在不同年龄组中都是一致的。这两项研究支持了AS中可穿戴步态分析的可行性，并表明可穿戴衍生的指标对核心运动异常敏感。然而，仍需要更大的样本和纵向设计来确定它们作为临床终点或随时间变化的标志物的实用性。
3.3.4 皮质活动
fNIRS是一种测量皮质活动的方法，它是被动、非侵入性的，不需要参与者保持静止。Hagenaar等人（2024年）在一项可行性研究中评估了使用可穿戴传感器测量皮质活动的情况，该研究考察了AS患者对各种监测系统（如眼动追踪和身体阻抗分析）的耐受性。具体来说，使用了一个无绳fNIRS帽来测量AS儿童对社交和非社交刺激的皮质激活反应。然而，由于一些参与者因可穿戴传感器引起的不适而无法完成测量，因此无法得出关于皮质激活的结论。在尝试fNIRS测量的20名参与者中，近一半（n=9）因不适而无法完成测量；即使那些成功完成测量的参与者也因可穿戴传感器的干扰而无法集中注意力于呈现的刺激。只有一名参与者的fNIRS数据质量足够进行分析，这表明当前的fNIRS技术可能不适用于AS患者，同时也突显了进一步研究和开发AS领域fNIRS技术的重大机会。
3.3.5 脑电图（EEG）δ功率
EEG记录大脑电活动，δ功率的升高是Angelman综合征认知功能和治疗反应的关键生物标志物。Gálvez-Ortega等人（2025）评估了远程EEG评估的可行性、可接受性、可靠性和有效性。在涉及静止状态任务（观看无声的几何分形视频）的过程中，使用带有干电极的可穿戴EEG帽测量了δ功率。在七名AS儿童中，该协议显示出高完成率和满意度（91%），支持了其可接受性。可靠性得到了内部一致性评分和重测测量的支持，有效性通过AS对照组之间的预期δ功率差异得到证实，这与先前的研究一致。总体而言，这些发现强调了以患者为中心的设计对于在感觉挑战人群中成功实施远程EEG协议的重要性。
4 讨论
可穿戴传感器是提高AS评估效果的有希望的解决方案。通过我们的系统评价，我们确定了16篇相关文章，表明继续探索在AS中使用可穿戴传感器有巨大的机会。当前文献表明，一些与AS（某种疾病，具体名称未在文中明确）相关的生理信号可以通过可穿戴传感器在自然环境中成功监测，包括睡眠、语言、脑电图（EEG）功率和步态。值得注意的是，这些测量结果与经过验证的评估工具（如护理人员报告和临床多导睡眠图）显示出显著的相关性。此外，一些研究已在家庭环境中成功实施，这比基于实验室的系统具有显著优势，因为实验室系统通常会限制参与者的活动，并涉及超出日常常规的协议，这可能导致影响行为和生理数据收集与解释的混杂变量。这些发现对临床试验具有重要的意义，特别是在昂贵的基因治疗干预背景下。可穿戴传感器能够在现实世界环境中实现连续、客观的监测，并可能生成能够检测到临床标准化评估可能忽略的细微治疗相关变化的数字生物标志物。在当前的试验中，可穿戴传感器得出的数据可以作为补充或探索性终点，与已建立的临床评估方法一起使用，同时继续进行进一步验证。因此，它们可能提高对变化的敏感性，同时可能减少参与者的负担并提高试验效率。尽管前景广阔，但目前的相关文献仍然有限。只有少数研究（n=16项），样本量较小（n=55人或更少），并且对与AS相关的特征（睡眠、语言、步态、EEG功率）的评估也有限，因此仍有很大的机会探索在AS患者中使用可穿戴传感器。尽管本研究中的文献有限，但我们的综述总体上支持可穿戴传感器在AS中的应用是可行的；可穿戴传感器已被成功用于追踪睡眠模式、捕捉与语言相关的发声，并量化现实环境中的运动和步态异常。几种传感器在不同环境中的表现都可靠（Agar等人2023年；Bindels-de Heus等人2023年；Hamrick等人2023年；Kraan等人2022年；Semenzin等人2021年），与金标准相比有效（Duis等人2023年；Goldman等人2012年；Hamrick等人2023年；Tjeertes等人2023年），对AS表型敏感（Duis等人2023年；Goldman等人2012年；Hamrick等人2023年；Kraan等人2022年；Tjeertes等人2023年；Gálvez-Ortega等人2025年），并且在数据缺失的情况下仍能正常使用（Agar等人2020年；Agar等人2023年；Goldman等人2012年；Tjeertes等人2023年；Trickett等人2019年；Zhdanova等人1999年；Gálvez-Ortega等人2025年）。例如，Goldman等人（2012年）报告称，基于活动记录的睡眠数据与临床多导睡眠图记录一致，Hamrick等人（2023年）证明通过可穿戴音频记录器可以可靠地捕捉到表达性语言信号。鉴于这些指标在临床试验中的重要性，这些初步进展代表了AS研究领域的重大进步。在各项研究中，我们注意到AS可穿戴传感器研究中使用的形态因素相对较少，相对于该领域正在开发的技术类型而言。主要使用的是手表、脚环和口袋录音器。这些有限的形态因素本质上限制了可以实现的特定传感模式。鉴于可穿戴设备有更多样的形态因素，如衬衫（Elliot等人2019年；Smith等人2019年）、背心（Islam等人2024年）、内衣（Lee等人2023年）等（Bluhm等人2024年；Charlton等人2023年；Davis等人2024年；Kim等人2017年），因此有巨大的机会探索在AS患者中使用不同类型的可穿戴设备。此外，处理来自AS患者的行为和生理数据可能比处理来自神经典型个体的数据更具挑战性。众所周知，生理信号（如心电图、EEG和呼吸）需要大量的后处理才能提取有用的临床指标（Bent和Dunn 2020年；Bent等人2020年；Chao等人2022年；Hoilett等人2023年；Kim等人2017年；Pan和Tompkins 1985年）；鉴于AS患者的生理功能存在差异（例如EEG中的功率百分比和尖峰活动的差异），AS患者在数据处理方面可能面临额外的挑战，这些挑战仍有待进一步探索。进一步研究的最重要机会之一是使用可穿戴设备扩展AS患者的传感能力。目前的评估仅限于睡眠、语言和步态的特定方面，其他结果指标（如减少发作和改善行为问题）尚未被优先考虑使用可穿戴传感器进行评估。例如，EEG对于更准确地量化睡眠障碍（包括发作和睡眠质量）至关重要（den Bakker等人2018年；Ewen等人2019年；Laan和Vein 2005年）。心率与压力、焦虑和整体健康及体能相关，可以利用心率来评估AS患者的行为和生理差异，类似于用于其他神经发育障碍（如自闭症）的现有方法（Kelleher等人2020年；Kim等人2018年；Neo和Kelleher 2021年；Perrot等人2021年）。因此，鉴于初步的成功，许多研究都在报告使用传感器在AS中的应用，探索额外的传感能力可能会提高我们对AS表型的理解并满足需求。我们的系统综述表明，没有研究在AS患者的研究中使用过头戴式相机。头戴式相机在神经发育障碍（包括自闭症、唐氏综合征和普拉德-威利综合征）的研究中被广泛使用（Bauer等人2023年；Newbutt等人2020年；Perkovich等人2024年；Yurkovic等人2021年），也可能为AS患者提供重要的行为洞察。此外，我们只发现了两项使用发声记录器来研究AS患者交流特征的研究（Hamrick等人2023年；Semenzin等人2021年）。考虑到现有大量文献关注使用音视频数据（如交流、人际互动和压力）来理解神经发育障碍中的行为和心理结构，这些观察结果有些令人惊讶。AS中音视频数据流的有限使用可能反映了实施这些技术的障碍，需要进一步的技术开发工作。相关地，我们审查的一些研究报告称，一些参与者无法忍受佩戴生物传感器（Agar等人2023年；Bindels-de Heus等人2023年；Goldman等人2012年；Hagenaar等人2024年；Tjeertes等人2023年；Trickett等人2019年；Iglesias Escalera等人2025年）。这些困难表明需要设计能够适应AS患者常见感官需求的可穿戴设备。一种可能性是结合具有不同织物组成和纹理的电子纺织品，以优先考虑舒适性并满足AS患者的独特生物测量需求（Elliot等人2019年；Islam等人2024年；Kim等人2017年；Smith等人2019年）。AS社区中可穿戴传感器的广泛使用不足可能表明，目前可用的设备未能充分满足神经发育障碍患者的需求，这个问题可以通过通过焦点小组和护理人员调查收集的患者反馈来解决。随着为这些群体开发可穿戴传感器的进展，标准化报告标准也将变得重要，以便于跨研究比较（APA出版物和通讯委员会期刊文章报告标准工作组2008年）。应考虑几个限制因素。首先，我们的综述仅限于英文出版物，可能排除了相关的国际研究。其次，只包括了在选定数据库中索引的同行评审出版物，因此我们的综述可能没有涵盖经常发表在会议论文集或工程期刊上的早期阶段的研究。第三，鉴于技术发展的快速步伐，早期研究的发现可能不再反映当前设备的功能。第四，本综述没有进行正式的方法学质量评估。虽然这种方法并不完全符合PRISMA偏倚风险建议，但它反映了本研究的主要目标，即提供AS中可穿戴传感器使用的描述性概述，而不是评估或综合干预效果。因此，应对这些发现持谨慎态度，因为所包含的研究在方法学严谨性和潜在偏倚方面可能存在差异。未来旨在评估有效性或比较结果的综述将受益于正式的质量评估。
5 结论
在AS中使用可穿戴传感器的应用非常有限，尽管我们的系统综述发现的少数研究确实报告了一些积极的经验和结果。总之，进一步探索可穿戴传感器在AS研究和临床实践中的效用具有巨大潜力，最终可能会改善AS患者及其家庭的生活。然而，鉴于迄今为止发表的研究数量较少，以及在有效吸引AS患者方面遇到的挑战，未来的工作应积极纳入社区观点，以确保可穿戴传感器在研究和临床应用中的进步符合AS社区最紧迫的需求。
致谢
我们感谢患者社区表达了这项工作的需求并支持我们的研究计划。我们还要感谢辛辛那提大学研究副校长办公室和本科生研究支持计划的支持。
资金
该项目得到了普渡大学综合神经科学研究所（PIIN；MPI Kelleher/McCormick）的内部资助。Orlando S. Hoilett得到了PIIN和工程学院的支持。Laura E. Fitzpatrick部分得到了辛辛那提大学工程学院和应用科学学院的保护者本科生研究计划以及辛辛那提大学工程学院和应用科学学院本科生研究合作奖学金计划的支持。Mihir Dey部分得到了辛辛那提大学本科生从事科学研究和工程计划的支持。
利益冲突
Orlando S. Hoilett是Predictive Wear Inc.的联合创始人。Orlando S. Hoilett是Predictive Wear Inc.获得的专利US11672288B2和US12063993B2的联合发明人。Orlando S. Hoilett是Predictive Wear Inc.正在申请的专利US20230263248A1和US20210052026A1的联合发明人。Orlando S. Hoilett是普渡研究基金会获得的专利US11737708B2、US11633152B2、US12029548B2、US11737708B2、US10786201B2、US11090649B2、US11628434B2和US11529626B2的联合发明人。Orlando S. Hoilett是普渡研究基金会正在申请的专利WO2020009798A1、US20240000384A1和WO2017184665A1的联合发明人。Bridgette Kelleher是本项目无关工作的有偿顾问。
数据可用性声明
作者没有需要报告的内容。
打赏
