A Formative Study of Brief Affective Text as a Complement to Wearable Sensing for Longitudinal Student Health Monitoring

Resumen Técnico: Un Estudio Formativo de Texto Afectivo Breve como Complemento a la Detección Portátil para el Monitoreo de Salud Estudiantil Longitudinal

Enunciado del Problema
Los dispositivos portátiles capturan cada vez más datos fisiológicos y conductuales con alta fidelidad, pero carecen del contexto psicológico necesario para interpretar estas señales. Aunque los sensores pueden detectar que la eficiencia del sueño de un estudiante ha disminuido o que la variabilidad de la frecuencia cardíaca (VFC) ha caído, no pueden determinar si la causa es la sobrecarga académica, la angustia relacional, la preocupación financiera o una enfermedad. Esta "opacidad psicológica" limita la utilidad de la detección pasiva para las intervenciones de salud digital. Los métodos existentes para añadir contexto, como la Evaluación Momentánea Ecológica (EMA), a menudo introducen una carga significativa para el participante, reduciendo la escalabilidad a largo plazo. Por el contrario, la recopilación pasiva de texto (por ejemplo, redes sociales) a menudo carece de alineación temporal con los datos fisiológicos. Los autores investigan si el texto ultra-breve y naturalista—recopilado con una carga mínima como parte de un protocolo de estudio—puede servir como un complemento escalable y de bajo costo a la detección pasiva para recuperar el contexto psicológico que moldea los resultados fisiológicos.

Metodología
El estudio es un análisis secundario de datos longitudinales del ensayo controlado aleatorizado LEMURS (NCT05841979), que involucró a 458 estudiantes universitarios rastreados durante un año académico completo (33 semanas).

• Recopilación de Datos:

  • Fisiológicos: Los participantes usaron anillos Oura de forma continua, generando datos para nueve resultados: seis métricas de sueño (duración, eficiencia, sueño REM, sueño profundo, VFC/RMSSD, latencia de inicio) y tres métricas de actividad física (pasos/día, minutos MET de intensidad moderada/alta).
  • Textuales: Cada dos semanas, los participantes respondieron a una única pregunta abierta: "De todas las cosas que han ocurrido en las últimas 2 semanas, ¿qué te preocupa más?".
  • Corpus: El estudio produjo 3.610 oleadas-persona, de las cuales 3.073 contenían una respuesta de preocupación. La longitud mediana de la respuesta fue de tres palabras (media = 6.0), reflejando un formato ultra-breve y de baja carga.

• Enfoques de Procesamiento del Lenguaje Natural (PLN):
  Los autores compararon tres pipelines distintos de Procesamiento del Lenguaje Natural (PLN) para extraer señales del texto:

  1. SEANCE (Basado en Diccionarios): Extrajo ~80 características psicolingüísticas (afecto, cognición, orientación social) utilizando diccionarios validados (por ejemplo, EmoLex, ANEW, General Inquirer).
  2. RoBERTa-base (Preentrenado General): Generó incrustaciones de oraciones de 768 dimensiones a partir de corpus generales en inglés, reducidas a 127 componentes principales (CP) mediante PCA.
  3. MentalRoBERTa (Adaptado al Dominio): Utilizó una variante de RoBERTa preentrenada en 13 millones de publicaciones de Reddit relacionadas con la salud mental, reducidas a 100 CP.
  4. Clasificación Zero-Shot: Un análisis separado clasificó el texto en nueve dominios temáticos (por ejemplo, académico, financiero, relaciones) para probar si el tema por sí solo portaba señal.

• Análisis Estadístico:
  El análisis central utilizó modelos de efectos mixtos lineales intra-persona con interceptos aleatorios para los participantes. Este diseño aísla las fluctuaciones semana a semana (varianza intra-persona) de las diferencias individuales estables (varianza inter-persona), lo cual es crítico dada la alta estabilidad de los resultados fisiológicos (los Coeficientes de Correlación Intraclass oscilaron entre 0.57 y 0.93). Los modelos evaluaron las asociaciones entre las características lingüísticas y los resultados portátiles, controlando por la semana académica y la longitud de la respuesta. Se utilizaron la descomposición de la varianza ($\Delta R^2$) y el análisis de dominancia para comparar el poder explicativo de los diferentes métodos de PLN.

Resultados Clave

1. La Señal Existe en Texto Ultra-Breve: Incluso con una longitud mediana de respuesta de tres palabras, el contenido lingüístico se asoció significativamente con la variación intra-persona en los resultados de sueño y actividad física a lo largo del año académico.
2. Tono Afectivo vs. Contenido Temático:
   • El contenido temático no portó la señal: La clasificación zero-shot de los temas de preocupación no produjo asociaciones significativas con los resultados fisiológicos (con una excepción menor relacionada con la salud física y la eficiencia del sueño).
   • Las dimensiones afectivas portaron la señal: El registro emocional (tono, valencia, intensidad) se asoció consistentemente con los resultados en los tres métodos de PLN.
   • Ejemplo: Las semanas caracterizadas por un lenguaje de agotamiento emocional (por ejemplo, "me siento cansado todo el tiempo") se asociaron con una peor calidad del sueño y una VFC más baja. Las semanas dominadas por un enmarcado de preocupación académica (por ejemplo, "exámenes", "calificaciones") se asociaron con una menor actividad física.
3. Comparación de Métodos de PLN:
   • Incrustaciones Preentrenadas Generales (RoBERTa-base) superaron a los modelos adaptados al dominio para la mayoría de los resultados, particularmente en la actividad física.
   • Incrustaciones Adaptadas al Dominio (MentalRoBERTa) mostraron una ventaja relativa específicamente para resultados autonómicos (VFC/RMSSD) y la latencia de inicio del sueño, lo que sugiere que el preentrenamiento específico de salud mental captura mejor las señales relevantes para el estrés en estas métricas específicas.
   • Los métodos basados en diccionarios (SEANCE) explicaron menos varianza que los modelos de incrustaciones.
4. Señal Única en Representaciones Distribucionales: Una proporción sustancial de las dimensiones de incrustación significativas (32% para RoBERTa, 17% para MentalRoBERTa) no pudo mapearse a ninguna construcción nombrada del diccionario SEANCE. Esto indica que las señales lingüísticas relevantes para la salud (por ejemplo, la atenuación, la brevedad como postura, la minimización emocional) son recuperables solo a través de representaciones distribucionales, no de léxicos fijos.
5. Trayectorias Fisiológicas: El estudio confirmó una disminución a nivel de semestre en la eficiencia del sueño, la VFC y la actividad física, consistente con la literatura previa, pero demostró que las características lingüísticas explican la varianza más allá de estas tendencias generales del semestre.

Significado y Afirmaciones
El artículo se posiciona como un estudio formativo que establece un límite inferior para lo que la detección pasiva de texto afectivo puede lograr. Los autores afirman las siguientes contribuciones:

• Viabilidad de Prompts Ultra-Breves: Demuestran que una única pregunta abierta bimensual, que genera respuestas tan cortas como tres palabras, proporciona una señal detectable y fisiológicamente relevante. Esto desafía la suposición de que la detección basada en texto significativa requiere diarios de formato largo o EMA frecuentes y onerosos.
• Guía de Diseño para la Salud Digital: Los hallazgos sugieren que los sistemas portátiles deben priorizar la extracción de características afectivas sobre la clasificación de temas. Los sistemas que dirigen a los usuarios basándose en "qué" les preocupa (tema) podrían descartar el "cómo" crítico (tono emocional) que se correlaciona con los estados fisiológicos.
• Complementariedad, No Sustitución: El estudio argumenta que el texto afectivo ultra-breve es un complemento práctico y de baja carga a la detección pasiva. Proporciona el contexto psicológico que los sensores no pueden recuperar, permitiendo una interpretación más rica de los datos fisiológicos sin competir con la naturaleza pasiva de los dispositivos portátiles.
• Insight Metodológico: Los resultados destacan que los modelos preentrenados generales son una opción predeterminada robusta para la detección de texto corto en poblaciones estudiantiles, mientras que la adaptación al dominio ofrece ganancias marginales específicas para las métricas del sistema nervioso autónomo.

Los autores concluyen que combinar la detección fisiológica pasiva con prompts afectivos abiertos, periódicos y ultra-breves ofrece un camino escalable hacia sistemas de salud digital conscientes del contexto, siempre que el trabajo futuro aborde la privacidad, la temporización de los prompts y la traducción de las señales afectivas en intervenciones accionables.