CAN-STRESS: A Real-World Multimodal Dataset for Understanding Cannabis Use, Stress, and Physiological Responses

本文介绍了名为 CAN-STRESS 的真实世界多模态数据集，该数据集通过 Empatica E4 腕带收集了 82 名参与者的生理指标及自我报告数据，旨在填补公开资源空白，以研究大麻使用、压力与生理反应之间的关系。

要点

这篇论文介绍了一个名为 CAN-STRESS 的新数据集，你可以把它想象成给大麻使用者和非使用者进行的一次“全天候身体体检”。

为了让你更容易理解，我们可以把这项研究比作**“给身体装上了黑匣子”**。

1. 为什么要做这个研究？（背景）

大家都知道，很多人吸大麻是为了**“解压”**。就像有人压力大时会去跑步，有人则会点根烟一样。

• 以前的研究有个大问题：大多是在实验室里做的。这就像把鱼抓出水缸放在盘子里研究，虽然干净，但鱼根本不像在水里那样自然游动。实验室环境太假了，测不出人在真实生活中（比如上班、吵架、睡觉时）吸大麻后的真实反应。
• 这次的研究：要把鱼放回大海。研究人员让参与者戴着智能手表，在真实世界里过了一天，看看吸大麻的人和不吸的人，身体到底有什么不一样。

2. 他们是怎么做的？（数据收集）

想象一下，有 82 个人（39 个是大麻老手，43 个是完全不碰的普通人）参与了这个实验。

• 装备：每个人都戴了 Empatica E4 智能手环。这手环就像个**“身体翻译官”**，它能 24 小时不间断地记录：
  • 心跳（心脏跳得有多快）。
  • 皮肤导电性（就像人紧张出汗时，皮肤会像“湿毛巾”一样导电，这是压力的直接反应）。
  • 体温和运动量。
• 日记：除了手环自动记录，参与者还要自己写“日记”（填问卷）：
  • “我几点吸了大麻？”
  • “我几点睡觉了？”
  • “刚才那个时刻，我觉得压力有多大？（1 到 10 分）”

这就好比：手环是**“客观的摄像机”，记录身体发生了什么；问卷是“主观的旁白”**，解释当时发生了什么。把两者结合起来，就能看懂身体反应背后的故事。

3. 他们发现了什么？（初步分析）

研究人员把这两组人的数据放在一起对比，发现了一些有趣的“身体密码”：

• 压力反应不同：吸大麻的人，平均来说，心跳更快，皮肤导电性更高（意味着身体更“紧绷”或更兴奋）。
• 就像：虽然两组人都在过日子，但吸大麻那组的身体引擎似乎一直在“高转速”运行，哪怕他们觉得自己可能没那么紧张。

4. 电脑能学会区分吗？（机器学习实验）

为了证明这个数据集有用，研究人员让电脑（人工智能）来玩一个游戏：“猜猜他是吸大麻的还是不吸的？”

• 方法：电脑只看手环记录的数据（心跳、皮肤反应等），不看名字。
• 结果：电脑简直成了**“读心术大师”**！
  • 它的准确率高达 96%。
  • 它主要靠心跳和皮肤导电这两个指标来判断。
• 比喻：这就像你不需要看一个人的脸，只要听他心跳的节奏和看他手心是否出汗，就能猜出他是不是那个“老烟枪”。

5. 这个数据集有什么用？（未来展望）

现在，研究人员把这个数据集免费公开了（就像把一本珍贵的百科全书放在了图书馆）。

• 对科学家：以后研究大麻、压力、睡眠，不用再关在实验室里了，可以直接用这些真实世界的“身体黑匣子”数据。
• 对普通人：也许未来，医生能通过手环数据，更早地发现谁的压力管理出了问题，或者谁对大麻有特殊的生理依赖，从而提供更精准的帮助。

总结

简单来说，这篇论文就是把 82 个人的真实生活数据（手环 + 日记）打包成了一个超级数据库。它证明了：吸大麻的人，身体在压力下的反应确实和普通人不一样，而且这种不一样，连智能手表都能精准地“看”出来。

这就像是为未来的健康研究打开了一扇通往真实世界的大门，让科学不再只是“纸上谈兵”。

技术摘要

CAN-STRESS 数据集技术总结

1. 研究背景与问题 (Problem)

核心问题：尽管应对压力是慢性大麻使用的主要原因之一，且假设大麻使用者与非使用者在生理压力反应上存在显著差异，但目前缺乏在真实世界环境（Real-world conditions）下收集的大麻使用与压力相关的高质量公开数据集。
现有局限：大多数现有研究局限于受控的实验室环境，缺乏生态效度（Ecological Validity），无法捕捉个体在自然状态下大麻消费与压力、环境因素及日常活动之间的复杂相互作用。
目标：填补这一空白，提供一个包含多模态生理数据和自我报告数据的公开数据集，以支持在自然主义环境下研究大麻使用、压力调节及其生理相关性。

2. 方法论 (Methodology)

2.1 数据收集与参与者

• 参与者：共 82 名受试者，分为两组：
  • 大麻使用者 (n=39)：每周使用≥4 次，持续至少一年。
  • 非使用者 (n=43)：终身使用少于 10 次，且过去一年未使用。
  • 排除标准：排除患有神经系统疾病、精神病、自闭症、双相情感障碍 I 型、重度饮酒、近期使用非法药物、尼古丁或皮质类固醇药物的个体。
• 设备：所有参与者佩戴 Empatica E4 腕带 进行为期 24 小时的数据采集。
• 数据模态：
  1. 多模态生理数据（通过 E4 腕带采集）：
     • 加速度计 (ACC)：32 Hz，捕捉运动模式。
     • 血容量脉搏 (BVP)：64 Hz，用于计算心率和心率变异性。
     • 皮肤电活动 (EDA)：4 Hz，测量皮肤电导，与压力和情绪唤醒密切相关。
     • 心率 (HR)：1 Hz，实时心血管活动。
     • 心跳间隔 (IBI)：用于心率变异性分析。
     • 体温 (TEMP)：4 Hz，记录皮肤温度变化。
  2. 自我报告数据：
     • 通过日志记录睡眠、大麻使用（开始/结束时间）、运动活动及感知压力等级（1-10 分）。

2.2 数据处理与特征工程

• 数据对齐：将自我报告的时间戳与生理信号进行同步，以分析特定事件（如大麻使用、运动）与生理反应的关系。
• 数据分割：使用滑动窗口方法（15 分钟窗口，50% 重叠），仅选取清醒时段的数据以排除睡眠生理变化的干扰。
• 特征提取：从原始信号中提取了 31 个生理特征：
  • EDA：分解为张量（Tonic）和瞬态（Phasic）成分，提取均值、峰值数量、峰值幅度统计等。
  • BVP/HR：提取心率变异性（HRV）指标（如 RMSSD, pNN50, SDNN）及心率统计量。
  • TEMP：均值、标准差、范围及线性斜率。
  • ACC：三轴加速度的向量幅度统计量（运动强度、方向等）。
• 标准化：对每个受试者进行主体级标准化（Z-score），以消除个体基线差异。

2.3 机器学习实验

• 任务：基于生理特征分类“大麻使用者”与“非使用者”。
• 模型架构：多层感知机 (MLP)，包含三个隐藏层（128, 64, 32 个神经元），使用 Batch Normalization、ReLU 激活函数和 Dropout (0.2)。
• 训练策略：
  • 留一主体交叉验证 (Leave-One-Subject-Out)：每次选取一名受试者作为测试集，其余作为训练集。
  • 迁移学习/微调：为了个性化，使用测试受试者 50% 的数据微调预训练模型的最后一层，剩余 50% 用于评估。
• 可解释性分析：使用 SHAP (Shapley Additive Explanations) 值分析特征重要性。

3. 关键贡献 (Key Contributions)

1. CAN-STRESS 数据集发布：公开了目前最大的、在自然环境中收集的大麻使用者与非使用者多模态生理数据集，包含 82 名参与者的 24 小时连续数据。
2. 详细的数据描述与基准分析：提供了用户组与非用户组在记录时长、压力评分、睡眠及生理指标（EDA、心率）上的统计对比分析。
3. 基准机器学习管道：建立了一个基于生理特征区分大麻使用者的基准模型，并验证了其在真实世界数据上的有效性。
4. 特征重要性洞察：通过 SHAP 分析揭示了驱动分类的关键生理指标，验证了压力相关信号在区分群体中的核心作用。

4. 实验结果 (Results)

• 描述性统计：
  • 大麻使用者报告的平均压力评分高于非使用者。
  • 使用者的平均皮肤电活动 (EDA) 和心率 (HR) 值显著高于非使用者。
• 分类性能：
  • 测试集准确率 (Accuracy)：约 96% (95.96% ± 0.06)。
  • F1 分数：约 96% (95.92% ± 0.06)。
  • 召回率 (Recall)：达到 100%，表明模型能极好地识别出所有的大麻使用者。
  • 精确率 (Precision)：约 97.82%。
• 特征重要性 (SHAP)：
  • 最关键特征：最大心率 (hr_max) 排名第一。
  • 次要关键特征：EDA 相关特征（eda_min, eda_mean, eda_phasic_mean, eda_max）和心率变异性指标（hrv_sdnn, hrv_rmssd）。
  • 结论：模型主要依赖与压力反应密切相关的皮肤电活动和心率指标来区分两组人群。

5. 意义与影响 (Significance)

• 生态效度提升：该数据集突破了实验室研究的限制，提供了在自然生活场景下研究大麻生理效应的宝贵资源，能够捕捉到实验室无法模拟的压力与消费行为的动态交互。
• 推动跨学科研究：为行为科学、可穿戴计算、压力检测、活动识别及医疗诊断等领域提供了统一的数据基础。
• 政策与医疗应用：有助于深入理解慢性大麻使用如何改变压力调节机制，为制定更科学的公共政策、临床干预措施以及开发基于生理信号的个性化健康监测系统提供数据支持。
• 开源共享：数据集已在 Zenodo 公开，促进了全球研究人员对该领域的复现与创新。

总结：CAN-STRESS 不仅是一个高质量的数据集，更通过实证研究证明了利用可穿戴设备在自然环境中区分大麻使用者与非使用者的可行性，揭示了生理压力信号（特别是 EDA 和 HR）在这一过程中的关键作用。