加州大学伯克利分校的一项新研究表明，依靠大数据分析人类健康和行为得到的结论可能是不准确的，这在很大程度上是因为不同的人在不同的时刻情绪、行为和生理上存在差异。
图说：医学大数据概念。
医学界一直认为，在对生病的原因进行研究时，人类实验对象的样本越大越好。但是，加州大学伯克利分校的一项新研究表明，依靠大数据分析
人类健康和行为得到的结论可能是不准确的，这在很大程度上是因为不同的人在不同时刻的情绪、行为和生理上存在差异。这一研究结果发表在本周的《美国国家科学院院刊》上。
该研究的第一作者、加州大学伯克利分校的心理学助理教授Aaron Fisher说：“如果我们想知道个人的感受或生病的原因，就必须针对个人进行研究，而非群体。疾病、精神障碍、情绪和行为在个体水平上都是随着时间的变化而变化的，而某一时刻的群体数据只提供了一个快照，是一个模糊的数据，无法捕捉到这些现象。”
Fisher和费城德雷克塞尔大学、荷兰格罗宁根大学的研究人员使用统计模型比较了来自数百人的数据，这些人包括健康的个体，也包括患有抑郁、焦虑、创伤后应激障碍、恐慌症的个体。在六项独立的研究中，他们分析了自我报告调查表，并测量了心率。
研究结果一致表明，群体的情况并不一定适用于个人。例如，对一组抑郁症患者的分析表明他们经常会担忧。但是，将同样的分析应用到该群体中的个体时，却发现个体的担忧程度从零到远超群体平均水平都有，存在广泛的变化。
现代技术使我们能够相对容易地收集每个人的观察结果，现代计算机也使得对这些数据的分析成为可能。
编译｜花花
审稿｜ alone
来源｜
https://www.sciencedaily.com/releases/2018/06/180619123112.htm
※
邮箱
分享到:
閱讀更多 科學大觀園雜誌 的文章
