用于在日常生活中通过可穿戴设备腕部运动数据检测洗手的真实世界数据集

洗手，守护健康

大多数人洗手时并不会多想。对在医院工作或处理食物的人，以及患有强迫症（OCD）的人来说，洗手会影响健康、安全和日常生活。本研究引入了一类新的数据资源：数周的真实世界腕戴传感器记录，捕捉到日常与强迫性洗手。目标是帮助未来的智能手表识别我们何时在洗手——并最终区分健康的习惯与由焦虑驱动的仪式性行为。

为什么洗手如此重要

清洁的双手是对抗感染的最简单防线之一，无论在家中、诊所还是工厂厨房。然而，在受控环境之外监测洗手却出奇地困难。现有系统常依赖水槽处的摄像头或特定工作场所安装的传感器，这些手段可能具有侵入性、引发隐私担忧，或无法扩展到日常生活。同时，对许多强迫症患者来说，洗手不仅仅关乎卫生：它可能成为对污染恐惧的耗时且痛苦的反应。他们的洗手频率和持续时间可能远超必要，导致皮肤受损和生活质量下降。因此，一种能可靠识别自然发生的洗手行为的技术可以满足两类截然不同的需求：检查专业人员是否足够洗手，以及帮助患者察觉洗手是否由焦虑而非必要驱动。

腕间的一个月生活

为了勾勒出野外洗手的真实图景，研究人员在瑞士招募了22名被诊断为强迫性洗手OCD的成年人。每位参与者在手腕上佩戴基于安卓的智能手表四周，目标是每天至少佩戴六小时。手表以每秒50次的频率通过内置运动传感器记录细微的腕部运动，类似于健身追踪器中的传感器。参与者每次洗手结束后会在手表上点击一个按钮，然后回答几项简短问题：这次洗手是强迫性还是例行性的、洗手冲动有多强、感到紧张的程度（均为1–5量表）。每晚，手表还会询问当天洗手的频率与强度，以及他们记得确认洗手的次数。

将嘈杂的日子转化为可用数据

现实生活很混乱：人们会忘记佩戴设备，水龙头可能被错误标记，手表放在桌上只记录沉默。为此，团队设计了详尽的清理与标注流程。他们在明显无运动或文件过短或损坏时删除整段记录，并标记长时间的静止段以便其他研究者跳过。由于每次按钮按下只给出一个时间点，科学家们必须推断每次洗手的开始与结束。首先，他们从实验室的受监督示例估计典型洗手时长，然后使用滑动时间窗口细化标签，并对六名精心挑选的参与者由受训注释员通过目视检查运动轨迹进行细致的手工重标注。最终产出为OCDetect数据集：约2,600小时的日常活动记录，其中约31小时为洗手，总计约2,930次洗手，几乎在自我申报的例行与强迫事件之间均分。

教机器识别洗手

利用该数据集，团队测试了标准机器学习方法在从人们一天活动中识别洗手的能力。这是一个艰巨的挑战：洗手只占记录时长的大约1%，而不同个体的洗手方式差异很大。研究使用短短五秒的运动数据窗口和一组简单特征——例如运动强度或抖动程度——训练经典模型，如随机森林和梯度提升。这些模型以严格方式评估，总是在算法未见过的参与者上进行测试。最佳方案在判断“是否为洗手”时达到最高0.77的F1分数（人均约0.33），远高于随机。但在将例行洗手与强迫性洗手区分的任务上，表现回落到接近随机。换言之，仅凭当前的运动模式难以可靠揭示洗手背后的情绪动因。

这对未来智能手表意味着什么

对外行人来说，这个结论有两点意义。第一，智能手表已经具备足够的感知能力，在日常生活中识别大多数洗手片段，即使在走路、做饭或工作等嘈杂背景下也能做到。第二，知道某人为何洗手——是出于卫生还是受OCD相关的痛苦驱动——比仅知道他们正在洗手要困难得多。现在公开可用的OCDetect数据集为研究者提供了一个现实且共享的基础，以改进检测方法、探索更高级的模型，并将运动数据与其他线索或临床见解结合。随着时间推移，这可能为既支持感染控制又辅助OCD治疗的温和工具铺路，同时在隐私保护和手腕佩戴的非侵入性方面保持谨慎。

引用: Burchard, R., Kirsten, K., Miché, M. et al. A Real-World Dataset for detecting Handwashing in daily Life using Wrist Motion Data from Wearables. Sci Data 13, 179 (2026). https://doi.org/10.1038/s41597-026-06698-2

关键词: 洗手, 可穿戴传感器, 强迫症, 智能手表数据, 人体活动识别