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

Resumo Técnico: Um Estudo Formativo sobre Texto Afetivo Breve como Complemento à Sensorização Vestível para Monitoramento Longitudinal da Saúde Estudantil

Declaração do Problema
Dispositivos vestíveis capturam cada vez mais dados fisiológicos e comportamentais com alta fidelidade, mas carecem do contexto psicológico necessário para interpretar esses sinais. Embora sensores possam detectar que a eficiência do sono de um estudante diminuiu ou que a variabilidade da frequência cardíaca (VFC) caiu, eles não conseguem determinar se a causa é sobrecarga acadêmica, angústia relacional, preocupação financeira ou doença. Essa "opacidade psicológica" limita a utilidade da sensorização passiva para intervenções de saúde digital. Métodos existentes para adicionar contexto, como Avaliação Momentânea Ecológica (EMA), frequentemente introduzem uma carga significativa para os participantes, reduzindo a escalabilidade a longo prazo. Por outro lado, a coleta passiva de texto (por exemplo, redes sociais) frequentemente carece de alinhamento temporal com dados fisiológicos. Os autores investigam se texto ultra-breve e naturalístico — coletado com carga mínima como parte de um protocolo de estudo — pode servir como um complemento escalável e de baixo custo à sensorização passiva para recuperar o contexto psicológico que molda os resultados fisiológicos.

Metodologia
O estudo é uma análise secundária de dados longitudinais do ensaio controlado randomizado LEMURS (NCT05841979), envolvendo 458 estudantes universitários acompanhados ao longo de um ano acadêmico completo (33 semanas).

• Coleta de Dados:

  • Fisiológicos: Os participantes usaram anéis Oura continuamente, gerando dados para nove desfechos: seis métricas de sono (duração, eficiência, REM, sono profundo, VFC/RMSSD, latência de início) e três métricas de atividade física (passos/dia, minutos MET de intensidade moderada/alta).
  • Textuais: A cada duas semanas, os participantes respondiam a um único prompt aberto: "De todas as coisas que aconteceram nas últimas 2 semanas, o que mais te preocupa?"
  • Corpus: O estudo gerou 3.610 ondas-pessoa, com 3.073 contendo uma resposta de preocupação. O comprimento mediano da resposta foi de três palavras (média = 6,0), refletindo um formato ultra-breve e de baixa carga.

• Abordagens de PLN:
  Os autores compararam três pipelines distintos de Processamento de Linguagem Natural (PLN) para extrair sinal do texto:

  1. SEANCE (Baseado em Dicionário): Extraiu ~80 características psicolinguísticas (afeto, cognição, orientação social) usando dicionários validados (por exemplo, EmoLex, ANEW, General Inquirer).
  2. RoBERTa-base (Pré-treinado Geral): Gerou embeddings de sentença de 768 dimensões a partir de corpora gerais em inglês, reduzidos para 127 componentes principais (CPs) via PCA.
  3. MentalRoBERTa (Adaptado a Domínio): Utilizou uma variante do RoBERTa pré-treinada em 13 milhões de posts relacionados à saúde mental no Reddit, reduzidos para 100 CPs.
  4. Classificação Zero-Shot: Uma análise separada classificou o texto em nove domínios temáticos (por exemplo, acadêmico, financeiro, relacionamentos) para testar se o tema sozinho carregava sinal.

• Análise Estatística:
  A análise central utilizou modelos de efeitos mistos lineares dentro do indivíduo com interceptos aleatórios para participantes. Este desenho isola as flutuações semana a semana (variância dentro do indivíduo) das diferenças individuais estáveis (variância entre indivíduos), o que é crítico dada a alta estabilidade dos desfechos fisiológicos (Coeficientes de Correlação Intraclass variaram de 0,57 a 0,93). Os modelos avaliaram associações entre características linguísticas e desfechos vestíveis, controlando pela semana acadêmica e comprimento da resposta. Decomposição de variância ($\Delta R^2$) e análise de dominância foram usadas para comparar o poder explicativo dos diferentes métodos de PLN.

Principais Resultados

1. Sinal Existe em Texto Ultra-Breve: Mesmo com um comprimento mediano de resposta de três palavras, o conteúdo linguístico associou-se significativamente à variação dentro do indivíduo em desfechos de sono e atividade física ao longo do ano acadêmico.
2. Tom Afetivo vs. Conteúdo Temático:
   • Conteúdo temático não carregou o sinal: A classificação zero-shot de tópicos de preocupação não produziu associações significativas com desfechos fisiológicos (com uma exceção menor relacionada à saúde física e eficiência do sono).
   • Dimensões afetivas carregaram o sinal: O registro emocional (tom, valência, intensidade) foi consistentemente associado aos desfechos em todos os três métodos de PLN.
   • Exemplo: Semanas caracterizadas por linguagem de exaustão emocional (por exemplo, "sentindo-se cansado o tempo todo") associaram-se a pior qualidade de sono e menor VFC. Semanas dominadas por enquadramento de preocupação acadêmica (por exemplo, "provas", "notas") associaram-se a menor atividade física.
3. Comparação de Métodos de PLN:
   • Embeddings Pré-treinados Gerais (RoBERTa-base) superaram modelos adaptados a domínio para a maioria dos desfechos, particularmente atividade física.
   • Embeddings Adaptados a Domínio (MentalRoBERTa) mostraram uma vantagem relativa especificamente para desfechos autonômicos (VFC/RMSSD) e latência de início do sono, sugerindo que o pré-treinamento específico em saúde mental captura sinais relevantes ao estresse melhor para essas métricas específicas.
   • Métodos baseados em dicionário (SEANCE) explicaram menos variância do que modelos de embedding.
4. Sinal Único em Representações Distribucionais: Uma proporção substancial de dimensões de embedding significativas (32% para RoBERTa, 17% para MentalRoBERTa) não pôde ser mapeada para nenhuma construção nomeada do dicionário SEANCE. Isso indica que sinais linguísticos relevantes para a saúde (por exemplo, atenuação, brevidade como postura, minimização emocional) são recuperáveis apenas através de representações distribucionais, não de léxicos fixos.
5. Trajetórias Fisiológicas: O estudo confirmou um declínio no nível do semestre na eficiência do sono, VFC e atividade física, consistente com a literatura anterior, mas demonstrou que características linguísticas explicam variância além e acima dessas tendências gerais do semestre.

Significado e Alegações
O artigo posiciona-se como um estudo formativo estabelecendo um limite inferior para o que a sensorização passiva de texto afetivo pode alcançar. Os autores reivindicam as seguintes contribuições:

• Viabilidade de Prompts Ultra-Breves: Eles demonstram que uma única pergunta aberta bimestral, gerando respostas tão curtas quanto três palavras, fornece um sinal detectável e fisiologicamente relevante. Isso desafia a suposição de que a sensorização baseada em texto significativa requer diários de longo formato ou EMA frequentes e onerosos.
• Orientação de Design para Saúde Digital: As descobertas sugerem que sistemas vestíveis devem priorizar a extração de características afetivas em vez da classificação de tópicos. Sistemas que direcionam usuários com base no "o que" estão preocupados (tema) podem descartar o "como" crítico (tom emocional) que correlaciona-se com estados fisiológicos.
• Complementaridade, Não Substituição: O estudo argumenta que texto afetivo ultra-breve é um complemento prático e de baixa carga à sensorização passiva. Ele fornece o contexto psicológico que os sensores não podem recuperar, permitindo uma interpretação mais rica dos dados fisiológicos sem competir com a natureza passiva dos vestíveis.
• Insight Metodológico: Os resultados destacam que modelos pré-treinados gerais são um padrão robusto para sensorização de texto curto em populações estudantis, enquanto a adaptação a domínio oferece ganhos marginais específicos para métricas do sistema nervoso autônomo.

Os autores concluem que combinar sensorização fisiológica passiva com prompts afetivos abertos ultra-breve e periódicos oferece um caminho escalável para sistemas de saúde digital conscientes do contexto, desde que trabalhos futuros abordem privacidade, timing dos prompts e a tradução de sinais afetivos em intervenções acionáveis.