GLOBEM — 多年纵向可穿戴感知与心理健康数据集

INFOBOX — GLOBEM 一屏速览

维度	内容
本质	首个公开的多年度（四年，2018-2021）被动移动/可穿戴感知数据集，也是同名基准平台
全称	GLOBEM = Generalization of LOngitudinal BEhavior Modeling
团队	University of Washington UW-EXP Study Team（一作 Xuhai Xu，资深作者 Anind K. Dey），16 作者
论文	NeurIPS 2022 Datasets and Benchmarks Track（Advances in NeurIPS 35）
规模	705 人年 / 497 唯一参与者；INS-W_1~4 = 155/218/137/195
采集	手机 App（AWARE，iOS+Android）+ Fitbit；24×7；平均 77.5±8.9 天/人/年
传感器	Location / PhoneUsage(screen) / Call / Bluetooth / Steps / Sleep（+WiFi 缺失率高）
标签	Pre/Post/EMA 问卷；抑郁标签含 BDI-II 与 PHQ-4；人均 11.6±2.6 个标签
主任务	抑郁检测（二分类，至少轻度抑郁 vs 否）；基准 18 种算法
四类评测	单数据集 past/future、留一数据集、疫情前后、重叠用户跨年
核心发现	所有算法跨数据集几乎无法泛化：域泛化法多徘徊 0.50-0.52；自研 Reorder 最优但仍仅 Δ=15.9%
获取	PhysioNet 凭证式访问（CITI 培训 + DUA）；仅发布特征级数据
许可	PhysioNet Credentialed Health Data License 1.5.0
库内互链	qol-stress（997）、bidsleep-dataset（1004）、nch-sleep（1013）、big-ideas-glycemic-wearable（1016）、mental-fnirs（1021）、brain-wearable-monitoring（1030）

GLOBEM 是"给可穿戴心理健康建模造一把标准尺"的数据集工程：在它之前，抑郁检测算法各自用几十人的小样本、各自划训练测试，谁也说不清一个算法的泛化能力到底如何；GLOBEM 用四年、705 人年、497 人的连续感知数据，把"同一批人跨年"“不同人跨年”"疫情前后"这些现实中最要命的问题摆上台面，然后用 18 种算法逐一证明——现有的抑郁检测方法和领域泛化技术，几乎无法跨数据集泛化。这个偏悲观的结论恰恰是 GLOBEM 最大的价值：它给整个被动感知领域立了一把诚实的标尺。

导语读法三则：

1. 只想下数据：直奔 §6 获取与许可——GLOBEM 是凭证式访问，不是点开就下的开放数据，先备好 CITI 培训与 DUA。
2. 关心泛化结论：直奔 §5 基准与 §4 核心发现——18 算法四类任务对照表是全文精华，注意 Reorder 的"最优但边际"。
3. 做纵向感知建模：直奔 §3 数据规格——特征命名三段式、九时间窗、三版本，是复用 GLOBEM 特征时最容易踩坑的地方。

§0 导读：这个数据集解决什么问题

0.1 一个被长期回避的问题：泛化

可穿戴与手机感知已经能捕捉人的行为信号，但"用这些信号预测心理健康"的研究长期困在一个方法学泥潭里：每一篇论文用自己收集的几十人样本，自己的训练/测试划分，自己的评价指标——结果无法横向比较，更无法回答一个最要命的问题：换个数据集、换一年、换一批人，算法还灵吗？

这个问题的学术名字是泛化（generalization）。在机器学习里，泛化指模型在训练分布之外的样本上仍保持性能的能力。对被感知数据尤其残忍的是，泛化面临双重考验：

• 跨人泛化：不同个体的行为模式差异巨大——有人早睡有人熬夜，有人社恐有人social，模型在 A 身上学到的"抑郁信号"在 B 身上可能完全不成立。
• 跨时间泛化：同一批人在不同年份的行为也会漂移——升学、实习、搬家、疫情，任何一次生活事件都会改变行为分布。

在 GLOBEM 之前，公开的同类数据（StudentLife 48 人、CrossCheck 34 人、En-Gage 29 人）规模小、单年度、无基准，学界缺少一块能公平比拼"泛化能力"的公共试验田。研究者只能在各自的小池塘里自证，谁也无法确认自己的算法是真有效，还是只是过拟合了这一批特定的被试。

0.2 GLOBEM 的四层回答

GLOBEM 的回答分四层，逐层递进：

第一层——规模与跨度。四年级数据（2018-2021）、705 人年、497 名唯一参与者，每年约 10 周连续采集，六类传感器流 24×7 被动追踪。这个体量在被动感知领域是空前的：它把"纵向"从两三周拉长到跨年，把"样本"从几十人放大到几百人。

第二层——任务设计。以抑郁检测为起点，构造四类跨数据集评测：

• 单数据集内前 80% 训后 20% 测（past/future）；
• 留一数据集（3 训 1 测，LOSO）；
• 疫情前后（2018-2019 训 2020-2021 测及其反向）；
• 重叠用户跨年（同一批人在不同年份间迁移）。

这四类任务把"泛化"从一句口号变成四个可量化、可复现的实验设置。

第三层——基准。把 9 种经典抑郁检测算法、8 类域泛化方法和自研的 Reorder 统一到 GLOBEM 平台上，用同一把尺子（balanced accuracy）量。这一步的关键不是"比出谁强"，而是"在同一个擂台上、同一批数据上、同一套指标下，让所有方法接受同样的拷问"。

第四层——结论的诚实。所有算法在跨数据集任务上普遍坍塌到接近随机（0.500），即使最优的 Reorder 也只提升 Δ=15.9%，作者自评"远未达可部署水平"。这一层是 GLOBEM 区别于多数数据集论文的地方——它不承诺"我给了你一把万能钥匙"，而是承认"我给了你一面照妖镜"。

0.3 为什么这面镜子重要

正因为第四层，GLOBEM 不只是一份数据，更是一份"行业体检报告"。对任何使用被动感知做健康预测的团队，GLOBEM 的基准表都是一记提醒：在你自己收集的数据上跑出的高准确率，可能只是过拟合了你自己的人群与年代。

这记提醒的价值在于它可操作：GLOBEM 提供了现成的四类任务与 18 种基线，任何新方法都可以在提交前先在 GLOBEM 上做一次"压力测试"，看看自己是不是又一个"实验室里的巨人、现实中的矮子"。从 2022 年发布至今，GLOBEM 已被引用 50 次以上，成为被动感知心理健康建模绕不开的参照系。

§0 读法三则：

1. 这个条目是"数据集 + 基准平台 + 方法学批判"三合一：数据是四年特征级感知流，平台是 GLOBEM 评测系统，副产品是对整个领域泛化能力的量化质疑——三者的获取方式与边界各不相同（§6）。
2. 全文硬数字均出自 NeurIPS 论文、官方 overview 页与 PhysioNet 页面三源；三源之间的口径差异（PHQ-4 比例、研究时长表述）已在坑点与 §10 存照。
3. GLOBEM 是凭证式访问数据集——本条目如实标注这一限制，不把"受限"包装成"开放"。

0.4 三类读者的最短路径

• 数据使用者：§2（数据构成）→ §3（采集与流水线）→ §6（获取与许可）→ 附录 C（目录结构）→ 附录 E（检查清单）。
• 方法研究者：§5（基准与评估）→ §9（方法学启示）→ 附录 D（任务伪代码）→ §4（核心发现背后的分布偏移）。
• 伦理与合规审阅者：§6（许可与使用条款）→ §3.3（隐私与伦理流程）→ §6.5（DAIMS）→ §7.4（伦理影响）。

§1 数据集速览：十问十答

Q1：GLOBEM 到底是一份数据还是一个平台？
两者都是。GLOBEM 数据集指四年（INS-W_1~4）被动感知数据；GLOBEM 平台指配套的基准评测系统（GitHub UW-EXP/GLOBEM），用于跑通 18 种算法、执行四类跨数据集任务。论文标题里的 GLOBEM 指数据集，正文里的 “platform GLOBEM” 指平台。

Q2：名字为什么叫 GLOBEM？
GLOBEM = Generalization of LOngitudinal BEhavior Modeling（纵向行为建模的泛化）。名字直接点题：它关心的不是"能不能建模"，而是"建模能不能泛化"。

Q3：数据有多大？
705 person-years / 497 unique participants。四年子集分别为 2018（INS-W_1）155 人、2019（INS-W_2）218 人、2020（INS-W_3）137 人、2021（INS-W_4）195 人。注意 705 是人年（各年人数加总），497 是去重后唯一参与者——两数不可混用。

Q4：采了哪些信号？
六类行为特征流：Location（位置）、PhoneUsage/screen（手机使用）、Call（通话）、Bluetooth（蓝牙）、PhysicalActivity/steps（体力活动）、Sleep（睡眠）；外加 WiFi 特征（存在但缺失率高、无现有算法使用）。手机端用 AWARE framework，穿戴端用 Fitbit。

Q5：心理健康标签从哪来？
来自问卷三层：研究开始/结束的 Pre/Post 综合问卷、研究期间的 EMA（生态瞬时评估）。抑郁标签落在 dep_weekly.csv（结合 post+EMA）与 dep_endterm.csv（仅 post），量表为 BDI-II 与 PHQ-4。人均 11.6±2.6 个标签。

Q6：主任务是什么？
抑郁检测：二分类，判断参与者在某时段是否报告"至少轻度抑郁"，输入为此前的移动/可穿戴感知历史。之所以选抑郁，论文说明它是全球常见且重要的心理健康问题，且可作示例，后续可扩展其他目标。

Q7：怎么评测泛化？
四类任务：① 单数据集内 past/future（前 80% 训、后 20% 测）；② 留一数据集（LOSO，3 个 DS 训、剩 1 个测）；③ 疫情前后（DS1&2 ↔ DS3&4 双向）；④ 重叠用户跨数据集（同人跨年，测时间效应）。

Q8：结果如何？
一句话：都不行。跨数据集任务上，域泛化方法普遍退化到 0.50-0.52（接近随机 0.500）；经典抑郁检测法单数据集内能达到 0.53-0.69，但一出数据集就崩。自研 Reorder 四列全优（0.626/0.547/0.525/0.573），但仍只比基线提升 Δ=15.9%（论文口径）。

Q9：怎么拿到数据？
PhysioNet 凭证式访问。三步：成为 credentialed user、完成 CITI “Data or Specimens Only Research” 培训、为项目签署 DUA。版本 v1.1（2023-03-14），DOI 10.13026/r9s1-s711。

Q10：最大局限是什么？
三条：① 凭证访问门槛（非即取即用）；② 队列同质（华盛顿大学大学生，向全人群外推需谨慎）；③ 自评标签（BDI-II/PHQ-4 为问卷阈值而非临床诊断）。

Q11：它和"开放数据集"差在哪？
差在门槛与粒度两处：开放数据集点开即下、常给原始数据；GLOBEM 须认证+培训+签 DUA、只给特征级数据。原因是它采集位置、社交、情绪等敏感行为，隐私风险高。

Q12：做这个数据集的团队是谁？
University of Washington（华盛顿大学）的 UW-EXP Study Team，属 make4all 实验室系；论文一作 Xuhai Xu，资深作者 Anind K. Dey，共 16 位作者，部分作者来自 Stevens Institute of Technology。

Q13：这份数据的资金来自哪？
NSF（多项）、NIDILRR、Samsung Research America、Google 共同资助；作者声明无利益冲突。

Q14：如果我只记得三件事？
① 705 人年 / 497 人 / 四年（2018-2021）；② 18 算法抑郁检测基准，结论是"跨数据集几乎无法泛化"；③ 凭证式访问 + 特征级发布。

---

§2 数据构成与规格

2.1 三类数据、四年子集

GLOBEM 的组织结构是"四年 × 三类"。四个年度子集各称 INS-W_1 ~ INS-W_4（INS-W 系 UW 校内研究代号；W 指 Winter 学期队列语境，条目沿用官方命名不加推断），每年数据目录下固定三类文件夹：

类别	英文目录	文件数	内容
调查数据	SurveyData	5	dep_weekly.csv、dep_endterm.csv、pre.csv、post.csv、ema.csv
特征数据	FeatureData	8	rapids.csv（全特征）、location.csv、screen.csv、call.csv、bluetooth.csv、steps.csv、sleep.csv、wifi.csv
参与者信息	ParticipantsInfoData	2	platform.csv（iOS/Android）、demographics.csv（需特殊申请）

四年子集规模对照：

子集	年份	参与人数	历史背景
INS-W_1	2018	155	疫情前基线年
INS-W_2	2019	218	疫情前，规模最大
INS-W_3	2020	137	COVID-19 冲击年（在校秩序剧变）
INS-W_4	2021	195	疫情后逐步恢复年
合计	2018-2021	705 人年	去重唯一参与者 497

注意 705 与 497 的区别：四个年度人数相加恰为 705（155+218+137+195），即 705 是"人年"总和；而跨越多年重复参与的同一人只计一次，得 497 名唯一参与者。论文与官网均以 “705 person-years (497 unique participants)” 表述——引用时若把 705 说成"705 名参与者"即为误引。

2.2 特征命名的三段式（复用 GLOBEM 最易踩坑处）

GLOBEM 的特征列名遵循严格的三段式：[feature_type]:[feature_name][version]:[time_segment]。三段各自的取值域如下。

第一段 feature_type（特征类型，6 类）：

短码	全称	物理含义
f_loc	location	位置轨迹派生特征
f_screen	screen	手机使用/屏幕状态
f_call	call	通话记录派生特征
f_blue	bluetooth	蓝牙扫描派生特征（邻近性/共现）
f_steps	steps	体力活动（步数）
f_slp	sleep	睡眠行为

第二段 version（版本，3 档）：

后缀	含义
（无后缀）	原始计算值
_norm	归一化值（normalized）
_dis	离散化值（discretized）

第三段 time_segment（时间窗，9 个）：morning、afternoon、evening、night、allday、7dhist（过去 7 天历史）、14dhist（过去 14 天历史）、weekday、weekend。

因此一个完整特征名形如 f_slp:avgdurationasleep_main_norm:14dhist——即"睡眠平均时长（main 类型）的归一化值、按过去 14 天窗口聚合"。这种设计的用意是把"信号类型 × 预处理版本 × 聚合窗口"矩阵化，让研究者能在同一特征命名体系下做消融；但代价是列名冗长、复用时极易张冠李戴，是 GLOBEM 特征工程的头号坑。

2.3 睡眠特征明细（官方数据字典口径）

睡眠（f_slp）是 GLOBEM 特征最丰富的一类，官方给出逐字段定义。以下为代表性字段（时间单位除特别标注外均为分钟）：

字段	语义
countepisodeTYPE	某时段内某睡眠类型的睡眠 episode 数
avgefficiencyTYPE	平均睡眠效率（分数）
sumdurationasleepTYPE	总睡眠时长
sumdurationawakeTYPE	醒着但仍在床上的总时长
sumdurationtofallasleepTYPE	入睡总耗时
sumdurationafterwakeupTYPE	醒后赖床总时长
sumdurationinbedTYPE	总在床时长（=入睡+醒着+睡眠+醒后赖床之和）
avgduration*TYPE	上述各量的平均值版本
bedtime	睡眠 episode 起始时刻（午夜后分钟数）

其中 TYPE 代表睡眠子类型（如 main/actual 等官方分类），字段同时以 sum（求和）与 avg（均值）两种聚合出现，与三段式时间窗组合后形成庞大特征面。

2.4 标签数据（SurveyData）

• dep_weekly.csv：抑郁标签主表，列名 dep，融合 post 问卷与 EMA；v1.1 起新增 PHQ-4 子量表分数与标签——这是 v1.0→v1.1 的唯一变更点。
• dep_endterm.csv：抑郁标签次要表，仅取 post（期末）问卷，列名同为 dep。
• pre.csv / post.csv：研究开始/结束的综合问卷（人格、身体健康、心理健康、社会正义、物质使用等维度）。
• ema.csv：研究期间定期发放的生态瞬时评估。
• demographics.csv：参与者人口统计——因隐私原因仅可特殊申请（需提交含该需求的明确研究计划）。
• platform.csv：参与者手机平台（iOS / Android），以 pid 索引。

2.5 索引与缺失

SurveyData 与 FeatureData 全部为 CSV，以 pid × date 双键索引（参与者标识 × 日期）。这种"长表"结构便于按窗口切分，但也意味着后续模型须自行做聚合与序列构造。WiFi 特征虽在文件层面存在（wifi.csv），但官方明确"无现有算法使用、缺失率通常很高"，实践上多为弃用。

缺失与稀疏的三重来源（使用前必须理解）：

1. 设备差异：iOS 与 Android 的传感器可采集口径不同（Lu 等算法甚至为此分开建模），某些特征在两平台上含义或可用性不一致。
2. 佩戴依从性：Fitbit 并非强制全天佩戴，睡眠/活动特征存在因未戴而产生的空洞。
3. App 权限与后台限制：移动操作系统对后台采集的限制随版本变化，可能造成特定时段的位置/通话特征缺失。

因此，GLOBEM 特征表不是"整齐的矩阵"，而是"带大量空洞与平台分歧的长表"——这正是团队提供 _norm（归一化）与 _dis（离散化）版本、以及单列 rapids.csv 全特征汇总的原因：降低使用者自行对齐的成本。

2.6 四年子集之间的可比性问题

虽然四个子集同构（同三类文件夹、同特征命名体系），但跨年比较有两条隐含陷阱：

• 人群不完全重叠：每年既有新参与者也有续报者（这正是"重叠用户"任务成立的基础），但各年样本构成不同，直接按年对比总体统计量会混淆"人群变化"与"时间效应"。
• 采集协议可能微调：页面未逐字披露四年间 App/设备/问卷是否有过协议级改动；若存在改动，跨年特征的可比性须谨慎（论文以统一流水线处理，但原始采集层面的差异需研究者自证）。

实务建议：做跨年分析时，优先使用"重叠用户"子集（同一批人）来控制人群变化，并显式报告每年样本量（155/218/137/195）。

2.7 量级直觉：705 人年意味着什么

对不熟悉"人年"单位的读者，几个换算能建立量级直觉：

• 705 人年 ≈ 若一个人连续参与，需 705 年；若 497 人各自参与约 1.42 年。
• 按平均 77.5 天/人/年估算，四年总采集天数 ≈ 705 × 77.5 ≈ 5.46 万"人天"。
• 对照：StudentLife（48 人）、CrossCheck（34 人）、En-Gage（29 人）三者相加仅 111 人，且均为单年度——GLOBEM 的规模是它们之和的 6 倍以上，且跨越四个年度。

这些换算不改变硬事实，但能帮助读者理解为何论文反复强调"scale and diversity"——在被动感知领域，几十人到几百人的跨越，意味着统计上有能力看到此前看不到的跨域现象。

2.8 数据体积与格式的已知边界

本次三源抓取中，PhysioNet 未公开文件总数与总体积（无公开的 files/size 元数据），官方亦未给出精确的特征列数。已知的格式边界为：

• 格式：全部 CSV。
• 组织：四年 × 三类（SurveyData / FeatureData / ParticipantsInfoData）。
• 索引：pid × date。
• 特征命名：三段式（类型:名称+版本:时间窗）。

因此，任何"GLOBEM 有多少 GB / 多少列"的具体数字，若无官方来源，均属推测——条目不臆造此类数字，仅标注"未公开"。

§3 采集与处理流水线

3.0 一张图读懂采集-处理链条

环节	谁做	产物	是否公开
招募与知情同意	UW-EXP 团队	参与者队列（497 人）	否
被动采集	AWARE App + Fitbit	原始传感器流（24×7）	否（留存本地）
问卷发放	团队	Pre/Post/EMA 原始作答	否（留存本地）
特征抽取	RAPIDS 流水线	特征级数据（CSV）	是（凭证访问）
平台基准	GLOBEM 平台	18 算法结果	是（GitHub 代码）
人口统计	—	demographics.csv	特殊申请

3.1 采集协议

GLOBEM 的采集是"主动报名 + 被动追踪"的混合范式：

1. 招募：连续四年（2018-2021）在华盛顿大学招募大学生参与者，每年既有新参与者、也有跨年续报者（这正是"重叠用户"跨年评测得以成立的样本基础）。
2. 装 App：参与者在自己的手机（iOS 或 Android）上安装基于 AWARE framework 开发的采集 App，保持后台运行。App 持续采集位置、屏幕状态、蓝牙扫描、通话记录。
3. 戴手环：额外发放 Fitbit 可穿戴设备，采集体力活动与睡眠行为。
4. 24×7 被动感知：手机与手环在研究中全天候被动记录，无需参与者主动操作。
5. 问卷：研究开始/结束各发放一次综合问卷（pre/post），研究期间定期发放 EMA。
6. 时长：每年研究约持续 10 周（论文表述）/ 三个月（官网表述）；PhysioNet 实测平均 77.5 ± 8.9 天/人/年（官网约取整作 78 天）。

3.2 RAPIDS 特征抽取流水线

由于原始传感器流（尤其位置、通话）高度敏感，GLOBEM 不发布原始流，而是发布经 RAPIDS（Reproducible Analysis Pipeline for Data Streams，可复现数据流分析流水线）抽取的特征级数据。RAPIDS 是团队开源的流水线平台，职责是：

• 从多种移动与可穿戴设备的数据中按统一接口抽取特征；
• 支持多种时间窗（对应三段式的 9 个 time_segment）；
• 输出原始 / 归一化（_norm）/ 离散化（_dis）三版本特征。

这一设计是 GLOBEM 隐私策略的技术底座：通过"特征化"在保留行为建模可用信息的同时，剥离可直接反推身份的高敏感原始数据（如精确 GPS 轨迹、逐条通话对象）。

3.3 隐私与伦理流程

GLOBEM 的伦理合规链条清晰可查：

• IRB：华盛顿大学批准，编号 STUDY00003244。
• 知情同意：参与者加入前签署 consent form。
• 匿名化：严格遵循 IRB 规则脱敏；核心采集组之外任何人无法接触可直接识别个人的信息；研究中途退出者的数据被移除。
• 发布粒度：因位置等敏感数据可能暴露身份，仅以凭证访问方式发布特征级数据（credentialed feature-level release）。
• 使用约束：使用条款明确禁止非学术目的（证明/训练/测试商业系统、广告、售卖、军事应用、政府公共空间系统）与任何形式再分发。

3.4 与姊妹研究的关系

论文致谢与数据卡片明确 GLOBEM 的血缘：采集研究紧密跟随卡内基梅隆大学（CMU）的姊妹研究，并受 Dartmouth 的 StudentLife 研究启发。GLOBEM Table 1 将自身与 StudentLife（48 人）、CrossCheck（34 人）、En-Gage（29 人）并列对比，凸显其规模（705 人年）与跨度（四年）的量级差异——这也解释了为何 GLOBEM 自称"首个多年度被动感知数据集"。

三方关系中值得留意的是角色分工：StudentLife 是"概念先驱"（最早证明手机感知能反映心理健康），CMU 姊妹研究是"方法参照"（提供可复用的问卷与流程），而 GLOBEM 是"规模与基准的跃迁"——它不发明新概念，而是把既有概念推到足够大、足够长、足够规范，从而第一次让"泛化"可被认真度量。

3.5 数据卡片视角的流水线总览

把 §3.1-§3.4 串起来，GLOBEM 的生产流水线可概括为：

招募（跨年，含续报者）
  → 装 AWARE App + 发 Fitbit
  → 24×7 被动采集 6 类传感器流（+ 定期 Pre/Post/EMA 问卷）
  → 原始数据落库（不进公开集）
  → RAPIDS 特征抽取（多时间窗 → 原始/_norm/_dis）
  → 特征级数据（feature-level）
  → PhysioNet 凭证访问发布（CITI + DUA）

这条流水线的关键分水岭在"原始数据落库 → RAPIDS 特征抽取"之间：原始流被留在本地，只有派生特征流出。理解这一点，就能理解 GLOBEM 的两个特殊约束——为何必须凭证访问（原始流太敏感，连特征也要控），以及为何 demographics 要单独申请（人口统计虽非传感器流，却是重识别的高危信息）。

---

§4 队列、人口结构与核心发现

4.1 人口结构（官方 overview 口径）

GLOBEM 在宣传中强调队列的多样性代表性。官方给出的结构如下：

维度	占比
女性	58.9%
移民（immigrants）	24.2%
第一代大学生（first-generation）	38.2%
残障人士（people with disability）	9.1%
亚裔（Asian）	53.9%
白人（White）	31.9%
西班牙裔/拉丁裔（Hispanic/Latino）	7.4%
黑人/非裔美国人（Black/African American）	3.3%

解读须谨慎的两点：

1. 这是一支大学生队列，即使人口结构在种族/移民/残障上刻意多样，"大学生"这一身份本身就是最强的同质化因子——向非学生、更广年龄与职业人群外推时须显式声明局限。
2. 占比数字来自官方 overview 页的汇总口径，官方未按年度子集分别披露；跨年比较时不能假定各年结构一致。

4.2 抑郁标签分布

论文报告，GLOBEM 四年数据中：

• 人均抑郁标签数：11.6 ± 2.6 个。
• 至少轻度抑郁的报告比例：BDI-II 39.8 ± 2.7%；PHQ-4 口径见下方双口径存照。
• 任务定义上，抑郁检测的正类即"该时段报告至少轻度抑郁"，负类为低于阈值——这是一个基于问卷阈值的程序化标签，而非临床诊断，条目全文须保持一致表述。

双口径存照（务必并记）：

指标	论文正文口径	PhysioNet v1.1 口径
至少轻度抑郁比例（PHQ-4）	47.4 ± 2.8%	46.2 ± 2.5%

两数差异源于版本更新：PhysioNet v1.1（2023-03-14）向 dep_weekly.csv 增补了 PHQ-4 子量表分数与标签，重算后比例略降。引用 PHQ-4 比例时必须注明版本或来源，否则会与另一来源冲突。

4.3 数据集"能看见"什么：行为随时间的变迁

官方 overview 用一组示例说明 GLOBEM 涵盖的行为现象：

• 一般行为模式：睡眠、活动、移动、社交的日常节律；
• 每周作息周期：工作日/周末的行为差异（对应 weekday/weekend 时间窗）；
• COVID 影响（Year3, 2020）：疫情冲击下的行为剧变；
• 疫情后渐进恢复（Year4, 2021）：行为向常态回摆。

这四点不只是描述，更直接支撑了 §5 的两个评测任务——疫情前后跨数据集任务与重叠用户跨年任务——的存在理由：GLOBEM 天生带着"分布偏移"的标记，正好用来压测算法的鲁棒性。

4.4 为什么要用"四个数据集"而不是"一个四年数据集"

这是 GLOBEM 设计上最值得品味的一处。把四年各自当作一个独立"域（domain）"，而非拼成一个连续长序列，用意有三：

1. 可构造留一评测：只有存在多个"数据集"，才能做"3 训 1 测"的留一任务；若四年揉成一个集，跨域评测就无从设计。
2. 对齐现实部署：现实中一个模型往往在"A 校 2019 届"上训练、却要服务"B 校 2021 届"，多域结构与这种部署落差同构。
3. 隔离年份效应：把年份作为显式域，研究者能干净地度量"疫情"这一类外部冲击的独立影响，而不让它淹没在连续流里。

换言之，GLOBEM 把"年"当成了实验因子——这是它被称为"泛化测试平台"而非单纯"长时间序列数据集"的根本原因。

4.5 论文陈述的核心发现

论文的结论可归纳为三条：

1. 规模与跨度成立：GLOBEM 是首个公开的多年度（四年）移动与可穿戴感知数据集，覆盖 700+ 人年，能支撑多种跨数据集泛化评测。
2. 泛化能力缺失：18 种算法在留一数据集、疫情前后、重叠用户等跨数据集任务上，几乎无法泛化——域泛化技术虽有潜力，但远未解决问题。
3. 自研方法仅微弱领先：团队自研的 Reorder 在四类任务上均为最优，相对基线提升 Δ=15.9%（balanced accuracy），但作者自评"still marginal and far from practical deployability"（边际且远未达可部署性）。

第 3 条的措辞值得逐字留意的原因：这是一篇数据集论文对自己方法最诚实的一句判词，也定义了 GLOBEM 的方法学定位——它不兜售"我们的算法最好"，而是兜售"我们的标尺测出了所有人的不足"。

4.6 迁移启示：GLOBEM 对非感知领域的意义

虽然 GLOBEM 出自可穿戴感知，其方法学骨架对所有"跨域泛化"问题都有借鉴价值：

• 多域数据集组织法：把易变的因子（年份、机构、批次）显式切成域，而非平均掉——这一招可迁移到医学影像的多中心评测、基因表达的多批次校正、乃至 NLP 的多领域测试。
• 基线广度：同时纳入"领域专用经典法"与"通用域泛化法"两类基线，避免只与自己比。
• 失败叙事：论文不回避负面结果，反而以"都失败了"为核心结论，这种写法在数据稀缺、效果虚高的领域尤其可贵。

§5 基准与评估

5.0 基准的方法学定位

在细读数字之前，先明确 GLOBEM 基准想回答的问题：“在跨数据集场景下，深度学习/域泛化方法相比经典抑郁检测方法，是否真的更好？” 这个问题之所以重要，是因为领域内长期存在两种互不通气的叙述——一类研究者迷信深度模型，一类坚持简单特征+传统分类器，而双方很少在同一数据、同一任务上正面对撞。GLOBEM 的 18 算法基准正是为这场对撞搭的擂台。

5.1 四类评测任务（GLOBEM 的"标尺刻度"）

官方 benchmark 页定义四类任务，从易到难、从内部到跨域递进：

任务	设置	度量的东西
Users Past/Future within One Dataset	每个 DS 内，每用户前 80% 数据训练、后 20% 测试	单数据集内的可预测性上限
Leave-One-Dataset-Out（LOSO）	3 个 DS 训练，剩 1 个 DS 测试	跨年份/跨批次的分布偏移
Pre/Post-COVID	DS1&2（疫情前）训练 → DS3&4（疫情后）测试，再反向	重大外部事件引起的行为漂移
Overlapping Users across Datasets	只用跨数据集的重叠用户，一个 DS 训练、另一 DS 测试	同一个人跨年的时间效应

四类任务的评测指标为 balanced accuracy（平衡准确率，论文口径），Majority baseline 恒为 0.500（二分类随机水平）。

5.2 18 种算法的构成

基准纳入 18 种算法，分三组：

A. 抑郁检测专用算法（9 种）——重实现自既往文献：

算法	特征与模型要点
Canzian	位置轨迹特征（日/总行程距离、访问地点数、规律性），两周窗，SVM
Saeb	位置+屏幕，两周日均聚合（位置方差/熵、解锁时长/频率），弹性网逻辑回归
Farhan	位置+身体活动，两周窗，SVM
Wahle	多传感器（活动/位置/WiFi/屏幕/通话），两周窗，SVM+随机森林（WiFi/通话特征被剔除以兼容数据集）
Lu	位置/活动/睡眠，两周窗，多任务学习（iOS/Android 分别建模；音频特征剔除）
Wang	位置/屏幕/活动/睡眠/音频，两周窗 Lasso 逻辑回归（音频剔除）
Xu-I	位置/屏幕/活动/睡眠，划早/午/晚/夜多时段，关联规则挖掘+Adaboost（Single DS 全表最优 0.691）
Xu-P	同 Xu-I 特征，Pearson 相关系数平方构建用户相关性矩阵，协同过滤选特征+多数投票
Chikersal	多时间尺度聚合（日/双周，含断点、斜率），嵌套随机化逻辑回归选特征，各传感器分别训练 GBDT/逻辑回归+Adaboost 组合

B. 域泛化算法（8 类，含多变体）：

算法	全称	要点
ERM	Empirical Risk Minimization	基础训练；含 1D-CNN（28 长序列）、2D-CNN、LSTM、Transformer 四版，及 Mixup 增强版
Mixup	Mixup	Beta 分布线性插值的数据增强，配 1D-CNN
IRM	Invariant Risk Minimization	估计跨多分布的不变相关性
DANN	Domain-Adversarial Neural Network	对抗训练；DANN-D（数据集为域）/DANN-P（人为域）
CSD	Common Specific Decomposition	特征解耦；CSD-D / CSD-P
MLDG	Meta-Learning for Domain Generalization	元学习分 meta-train/meta-test；MLDG-D / MLDG-P
MASF	Model-Agnostic Learning of Semantic Features	元学习+特征解耦（全局+局部损失）；MASF-D / MASF-P
Siamese	Siamese Network	度量学习，拉近正对、推远负对

C. 兼具两者的算法（1 种）：

算法	要点
Reorder	GLOBEM 团队自研。利用行为轨迹连续性：设计 pretext task 打乱特征矩阵时间顺序，训练模型重建原序列，与主分类任务联合优化，以学习跨个体可泛化的表征

说明：8 类域泛化算法按基础算法计；ERM 含 4 个骨干变体 + Mixup，DANN/CSD/MLDG/MASF 各含 -D/-P 两版本，故实际实验条目多于 8，但论文"18 算法"按基础方法计。

5.3 基准结果总表（balanced accuracy, mean±std）

下表为官方 benchmark 页四列结果的完整转录（加粗为该列最优）：

类别 / 模型	Single DS	Leave-One-DS-Out	Pre/Post-COVID	Overlapping Users
Majority（基线）	0.500±0.000	0.500±0.000	0.500±0.000	0.500±0.000
Canzian	0.536±0.026	0.498±0.006	0.497±0.003	0.496±0.031
Saeb	0.557±0.020	0.536±0.008	0.519±0.004	0.565±0.039
Farhan	0.562±0.021	0.506±0.007	0.500±0.019	0.480±0.013
Wahle	0.598±0.020	0.524±0.011	0.526±0.003	0.512±0.013
Lu	0.550±0.024	0.531±0.011	0.505±0.007	0.508±0.022
Wang	0.530±0.020	0.521±0.007	0.524±0.010	0.532±0.028
Xu-I	0.691±0.018	0.502±0.012	0.519±0.019	0.494±0.013
Xu-P	0.600±0.007	0.502±0.006	0.508±0.003	0.544±0.009
Chikersal	0.649±0.016	0.536±0.002	0.528±0.024	0.545±0.032
ERM-1dCNN	0.568±0.006	0.510±0.008	0.514±0.006	0.534±0.007
ERM-2dCNN	0.533±0.013	0.510±0.006	0.504±0.006	0.520±0.011
ERM-LSTM	0.565±0.019	0.512±0.006	0.512±0.003	0.525±0.020
ERM-Transformer	0.584±0.013	0.509±0.008	0.512±0.016	0.506±0.005
ERM-Mixup	0.568±0.006	0.501±0.008	0.507±0.004	0.534±0.007
IRM	0.573±0.016	0.506±0.006	0.499±0.000	0.508±0.015
DANN-D	0.526±0.016	0.514±0.004	0.514±0.000	0.482±0.013
DANN-P	0.502±0.002	0.500±0.000	0.500±0.000	0.486±0.017
CSD-D	0.562±0.022	0.521±0.002	0.512±0.006	0.517±0.025
CSD-P	0.542±0.010	0.511±0.006	0.516±0.000	0.515±0.028
MLDG-D	0.522±0.013	0.511±0.006	0.495±0.004	0.519±0.014
MLDG-P	0.508±0.011	0.510±0.003	0.500±0.003	0.511±0.016
MASF-D	0.505±0.006	0.505±0.001	0.504±0.007	0.532±0.015
MASF-P	0.495±0.007	0.505±0.004	0.509±0.011	0.530±0.011
Siamese	0.545±0.025	0.509±0.010	0.515±0.002	0.527±0.031
Reorder	0.626±0.009	0.547±0.008	0.525±0.003	0.573±0.030

5.4 从表里读什么

1. 单数据集内可预测性是存在的：Xu-I 0.691、Chikersal 0.649、Xu-P 0.600——说明"用行为预测抑郁"在自家数据上确有信号。
2. 跨数据集一碰就碎：同批算法在 LOSO 列几乎全部跌回 0.50-0.54；域泛化方法（IRM/DANN/CSD/MLDG/MASF）大多在 0.50-0.52 徘徊，某些条目（DANN-P、MASF-P、IRM 部分列）甚至贴到 0.500——与随机无异。
3. 疫情前后最难：Pre/Post-COVID 列整体最低（部分 0.49-0.50），直观印证"外部事件引起的行为漂移"是建模的滑铁卢。
4. Reorder 的一致性：四列全优但优势边际（Single DS 0.626 明显低于 Xu-I 的 0.691，说明它牺牲了内部性能换泛化），与论文"仅提升 Δ=15.9%"的自评吻合。

方法学警示：任何在自采小样本上报出高准确率的抑郁检测结论，都应先在 GLOBEM 上做一次跨数据集复测。GLOBEM 的核心贡献，正是把"你的算法可能只在这一批人和这一年上有效"这件事变成一张可复现的表。

5.5 逐列细读：三种"退化模式"

把四列横着看，能识别三种不同的退化模式，各有方法学含义：

模式一：断崖式（经典抑郁检测法）。Xu-I 从 0.691（Single DS）跌到 0.502（LOSO）——跌落近 19 个百分点，几乎是一脚踩空。Chikersal 从 0.649 跌到 0.536（约 11 pp）；Xu-P 从 0.600 跌到 0.502。含义：这些方法高度依赖特定人群的分布，一旦换域，学到的几乎全是噪声。

模式二：地板式（部分域泛化法）。DANN-P 四列全在 0.500 附近（0.502/0.500/0.500/0.486），MASF-P、MLDG-P 也多贴地板。含义：这些方法在 GLOBEM 的域设定下不但没帮上忙，反而可能因对齐过度丢失了信号，退化成"多数类投票"。

模式三：稳健但不高（Reorder）。Reorder 四列 0.626/0.547/0.525/0.573，全列最优，且 std 较小（如 LOSO 仅 0.008）。含义：它牺牲了单域内的峰值性能，换来了跨域的相对稳定——这是"可泛化方法"应有的形状，但绝对水平仍低（0.5-0.63），离"能用"很远。

5.6 为什么"疫情前后"最难

Pre/Post-COVID 列整体最低，这不是偶然。疫情在 2020 年几乎重置了大学生的行为基线——线下课变线上、社交半径收缩、作息紊乱。对算法而言，这相当于训练域与测试域之间存在一次系统性的、非平稳的干预，远超普通的人群差异。GLOBEM 把这一段单独设为评测任务，等于给所有方法出了一道最难的应用题：当世界本身变了，你的模型还能不能认得出抑郁？答案是否。

5.7 与其他基准的对照

GLOBEM 的"泛化坍塌"结论并非孤例，而是与更大范围的现象一致：在医学影像的多中心评测、电子病历的跨机构迁移中，"模型在外部数据上性能大幅下降"同样是常态。GLOBEM 的贡献在于，它把这一现象在纵向可穿戴感知这一支上做了最干净、最可复现的实证，并留下了一个需要被超越的具体基线（Reorder 四列数字）。

---

§6 获取与许可：凭证式访问的门怎么进

6.1 三层获取结构

GLOBEM 的获取路径必须写清楚——它不是开放数据集：

层次	内容	获取方式
数据本体	四年特征级数据（SurveyData + FeatureData + ParticipantsInfoData）	PhysioNet 凭证访问（CITI 培训 + DUA）
人口统计	demographics.csv	额外特殊申请（需含该需求的研究计划）
代码与平台	GLOBEM 基准平台、RAPIDS 流水线	GitHub 公开（UW-EXP/GLOBEM）

结论一句话：代码开源、数据受限。研究者可以自由查看基准平台与流水线代码，但要拿数据必须走凭证流程。

6.2 凭证访问三步（须全部满足）

PhysioNet 页面明确的三条件：

1. 成为 credentialed user（通过 PhysioNet 认证成为凭证用户）；
2. 完成 CITI 培训：课程指定为 “Data or Specimens Only Research”；
3. 签署 Data Use Agreement（DUA），且 DUA 须针对具体项目签署。

访问级别定为 Credentialed Access（受限访问）——这是 PhysioNet 对含隐私敏感性数据的标准处理。

6.3 许可与使用条款

• License：PhysioNet Credentialed Health Data License 1.5.0
• Data Use Agreement：PhysioNet Credentialed Health Data Use Agreement 1.5.0
• 禁止非学术用途，明示清单包括（但不限于）：证明商业系统效率、训练/测试商业系统、用受试者截图做广告、售卖数据集数据、开发军事应用、开发用于公共空间的政府系统。
• 禁止再分发：不得以任何形式复制、发布、进一步传播，包括向同一机构的其他单位分发；唯一例外是为学术出版/演示澄清目的使用小部分数据。
• 隐私责任：数据虽匿名化，仍无法消除全部隐私泄漏风险；获取数据的课题组 PI 负责持续保护数据库与参与者隐私。
• 监督与追责：华盛顿大学的数据集管理员若怀疑研究方违反条款，将通知研究方，并可能将关切分享给 PhysioNet 及相关实体。

6.4 版本链

版本	日期	变更
v1.0	2022-11-04	GLOBEM 数据集首发
v1.1	2023-03-14	向 dep_weekly.csv 增补 PHQ-4 子量表分数与标签（当前版本）

• DOI：v1.1 = 10.13026/r9s1-s711；latest = 10.13026/889w-p048；RRID: SCR_007345。
• 引用建议：数据引 PhysioNet 版本 DOI；方法引 NeurIPS 2022 论文。

版本选择实务：由于 v1.1 相对 v1.0 只增补了 PHQ-4 子量表分数与标签，任何使用 PHQ-4 标签的研究必须用 v1.1 或更新；仅用 BDI-II 或 dep_endterm 的研究，v1.0 与 v1.1 在其余字段上一致。若论文写"PHQ-4 47.4%“（论文原口径），说明其基于 v1.0 或论文时期的数据；若写"46.2%”（PhysioNet v1.1），说明基于更新后数据。这一细节足以定位一篇引用论文的数据版本。

6.5 获取流程图

研究者
  → 注册 PhysioNet，申请成为 credentialed user
  → 完成 CITI "Data or Specimens Only Research" 培训
  → 为具体项目签署 Data Use Agreement（DUA）
  → 通过审核后，在 physionet.org/content/globem 下载特征级数据
  → （如需人口统计）另行提交含 demographics 需求的研究计划
  → 遵守使用条款（禁商用、禁再分发、PI 负责隐私保护）

6.6 与"开放数据集"的边界对照

为避免读者把 GLOBEM 与开放数据混为一谈，特列对照：

维度	开放数据集（如 PANDA 本体）	GLOBEM
获取	点开即下	认证 + 培训 + DUA
发布粒度	原始数据	特征级数据
商用	视许可而定	明确禁止
再分发	视许可而定	明确禁止
数据敏感性	通常低	高（行为/心理健康）

为什么这么严：GLOBEM 采集的是大学生的位置、社交、睡眠、情绪——一旦泄漏，重识别风险高、伤害直接。凭证访问与特征级发布是团队在"让研究可用"与"保护被试"之间的刻意取舍，条目如实反映。

6.7 DAIMS 评估

维度	评级	说明
Discoverability（可发现性）	★★★★★	NeurIPS 2022 论文 + 独立官网 the-globem.github.io + PhysioNet 收录 + GitHub 仓库，多入口、检索即达，RRID 可机器识别
Accessibility（可访问性）	★★★☆☆	有明确获取路径但门槛高：credentialed user + CITI 培训 + DUA 三步，非即取即用；demographics 另需申请
Interoperability（互操作性）	★★★★☆	CSV 长表 + 统一三段式特征命名 + pid×date 双键索引 + RAPIDS 开源流水线，标准化程度高；但仅发布特征级数据，限制了原始信号层面的互操作
Metadata（元数据）	★★★★☆	官网逐类给出数据字典（睡眠字段明细等）、版本发布说明、使用条款、伦理与资助信息；缺文件总数/总大小等规模元数据
Sustainability（可持续性）	★★★★☆	PhysioNet 长期托管 + UW 管理员持续维护 + GitHub 平台代码；受限于凭证访问模式，但基础设施稳定

综合定位：GLOBEM 是"高可发现、高互操作、但获取门槛显著"的受限数据集的典型——它在可发现性与元数据上做到顶配，代价是把可访问性让位于隐私保护。这是敏感健康数据集的必然权衡，条目如实反映，不美化。

DAIMS 补注：

• Accessibility 给 3 星而非更低：路径清晰、条件虽严但可达，且培训与 DUA 是行业标准做法，非人为刁难。
• Interoperability 未满星：特征级发布虽标准化，但"原始流不发布"意味着研究者无法按自己的口径重算特征，互操作止步于团队定义的窗口体系。
• Metadata 未满星：无文件数/体积等规模元数据，也无逐步的特征完整数据字典（官方仅示例睡眠字段），复用时需自行探查。

§7 生态与影响

7.0 一图看清 GLOBEM 的三重身份

身份	载体	主要用途
数据集	PhysioNet 特征级数据	提供纵向行为-心理健康训练/评测样本
基准平台	GitHub UW-EXP/GLOBEM	复现 18 算法、接入新方法
方法学标杆	NeurIPS 论文	定义"跨数据集泛化"评测范式

7.1 学术影响

• 引用规模：据 Stevens 研究门户记录，GLOBEM 论文已被 Scopus 引用 50+ 次（抓取时点约 53 次），在被动感知/移动健康圈属高被引数据集论文。
• 定位：GLOBEM 被广泛用作被动感知心理健康建模的公共基准，填补了 StudentLife（48 人）之后缺大样本、缺跨年、缺基准的空档。
• 方法学标杆：其"跨数据集泛化"任务设计与"18 算法统一评测"范式，被后续纵向感知研究视为标准做法。

7.2 平台生态

• GLOBEM 平台：GitHub UW-EXP/GLOBEM 提供基准运行代码（前后端分模块），研究者可在同一框架内复现 18 算法结果、替换自己的方法。
• RAPIDS 流水线：作为通用特征抽取平台，被设计为可服务于 GLOBEM 之外的其他移动/可穿戴数据流，具备方法学溢出价值。
• 官网导航：the-globem.github.io 提供 datasets（overview/structure/datatypes）、platform（benchmark/tutorial）等分区，是上手第一入口。

7.3 团队与资助

• 团队：University of Washington UW-EXP Study Team（make4all 实验室系）；论文一作 Xuhai Xu，资深作者 Anind K. Dey，共同作者含 Jennifer Mankoff、Tim Althoff、Shwetak Patel 等在 Ubicomp/移动健康领域的重要学者；部分作者挂 Stevens Institute of Technology。
• 资助：NSF（EDA-2009977、CHS-2016365、CHS-1941537、IIS1816687、IIS7974751）、NIDILRR（90DPGE0003-01）、Samsung Research America、Google。
• 利益冲突：作者声明无。

7.4 伦理与研究影响

GLOBEM 的另一重影响是把隐私方法论摆上台面：它以"仅发布特征级数据 + 凭证访问"的方式，示范了敏感行为数据在"可研究性"与"隐私保护"之间的可行折中。这套流程（IRB + 知情同意 + 脱敏 + 特征化发布 + DUA + 管理员监督）已成为后续同类感知数据集的参考模板。

§8 与库内条目的关系

GLOBEM 在本库（千方病案医数集）的定位是多年纵向可穿戴感知与心理健康的核心条目，与以下条目构成互链面（rid 为库内登记号，入库前须以 DB 实查核验）：

库内条目	rid	关系
qol-stress	997	可穿戴+自评压力数据集；同为"被动感知 + 自评标签"范式，任务与人群不同，可对比
wearable-exam-stress	807	考试压力穿戴感知；同属可穿戴心理健康方向，规模与跨度互补
bidsleep-dataset	1004	睡眠信号数据集；GLOBEM 含睡眠特征，可作睡眠建模对照
nch-sleep	1013	睡眠监测数据集；与 GLOBEM 睡眠特征形成数据集族
big-ideas-glycemic-wearable	1016	可穿戴血糖（糖尿病方向）；同属可穿戴纵向传感生态
brain-wearable-monitoring	1030	可穿戴脑监测；可穿戴生理信号家族
mental-fnirs	1021	心理健康神经影像（fNIRS）；心理健康主题互补
healthbench	1063	健康评测基准；同为"评测基准"类，方法论可参照

互链逻辑：GLOBEM 在库内应作为"可穿戴感知 × 纵向时序 × 心理健康"三维交汇的枢纽条目——向上可连睡眠/压力/血糖等具体传感数据，横向可连心理健康条目，向下可连评测基准类条目。relatedLink 一律使用占位 /0，由主会话在入库后按 DB 实测 rid 回填（R018 预防）。

8.1 逐条互链说明（可放入正文的消歧文字）

以下为建议写入正文的互链说明（不进 frontmatter relatedLink，R012）：

• qol-stress（rid=997）：同为"可穿戴 + 自评"范式，但 qol-stress 聚焦压力/焦虑的多模态生理（ECG/EDA/HR）短时程采集，GLOBEM 聚焦行为感知的长时程纵向；二者是"短时生理 vs 长时行为"的互补，勿合并。
• bidsleep-dataset（rid=1004）：睡眠为核心的数据集；GLOBEM 的 f_slp 特征族可与之对照，但 BIDS 侧重判定标准化的睡眠分期，GLOBEM 侧重行为侧睡眠统计。
• nch-sleep（rid=1013）：睡眠监测数据；与 GLOBEM 睡眠特征构成"专精 vs 附带"的关系，勿混为一类。
• big-ideas-glycemic-wearable（rid=1016）：可穿戴血糖（糖尿病方向）——同属可穿戴纵向传感，但目标疾病（代谢 vs 心理）与信号类型（CGM vs 手机+Fitbit）不同。
• mental-fnirs（rid=1021）：心理健康神经影像（fNIRS）；与 GLOBEM 共享"心理健康"主题，但模态（脑成像 vs 行为感知）与粒度（影像 vs 特征）完全不同。
• brain-wearable-monitoring（rid=1030）：可穿戴脑监测；可穿戴生理信号家族成员，采集对象与用途有别。
• wearable-exam-stress（rid=807）：考试压力穿戴感知；同属可穿戴心理健康，场景（特定事件 vs 长期队列）不同。
• healthbench（rid=1063）：健康评测基准；与 GLOBEM 同属"基准"类条目，可作方法论参照，但领域（医疗问答 vs 行为建模）不同。

8.2 库内潜在未入池的相关方向

若后续补池，以下方向与 GLOBEM 高度相关，建议优先：

• StudentLife（Dartmouth 前作，被动感知心理健康鼻祖）——若尚未入库，是 GLOBEM 的天然上游。
• CrossCheck / En-Gage（同领域小样本前作）。
• 其他 PhysioNet 移动健康类数据集（如可穿戴心率/睡眠长期集）。

---

§9 方法学启示：四条可迁移的经验

GLOBEM 不只是一份数据，它给纵向行为建模留下了四条可迁移的经验：

1. 泛化必须被度量，而不是被假设：一个算法在自家数据上准，不等于它泛化。GLOBEM 把"换数据集"“换年份”"换人群"变成标准评测任务，任何声称"可泛化"的方法都应在此类任务上出示证据。
2. 分布偏移就在数据里：GLOBEM 天然带有 COVID 冲击与疫情后恢复两段漂移，提醒建模者——现实中"训练分布 = 测试分布"是奢侈假设，域泛化不是学术趣味而是工程必需。
3. 规模不是万能药：即便有 705 人年，跨数据集泛化依然坍塌。这说明问题不只在于数据量，更在于人群差异与时间漂移的不可消除性；堆数据解决不了所有问题。
4. 诚实的基准比乐观的排名更有价值：GLOBEM 论文对自研 Reorder 的"边际、远未可部署"自评，比任何虚高排名都更有参考价值——它给领域定了一个需要被超越的真实基线。

9.1 与同类数据集的方法学对照

数据集	人数	跨度	是否含基准	泛化任务	获取
StudentLife	48	单学期	无	无	开放（小）
CrossCheck	34	单学期	无	无	受限
En-Gage	29	学期	无	无	受限
GLOBEM	705 人年 / 497 人	四年	有（18 算法）	四类	凭证访问

从表里能看出 GLOBEM 的方法学跃迁点不在"人多"，而在**“有基准 + 有跨域任务”**：前面三者的规模小到无法做留一域评测，GLOBEM 用四年 × 数百人的结构第一次把"泛化"变成了可执行实验。

9.2 给方法研究者的三条具体建议

1. 先复现，再创新：在改动算法前，先在 GLOBEM 平台上复现你打算对比的经典基线（如 Xu-I、Chikersal），确认自己的环境能跑出接近论文的数字，再谈超越。
2. 报告四列而非一列：只报 Single DS 的高分意义有限；跨数据集三列（LOSO/疫情前后/重叠用户）才是 GLOBEM 的价值所在。
3. 警惕"域对齐过度"：GLOBEM 基准中部分域泛化法（DANN-P/MASF-P）退化为地板值，提示强制对齐可能抹掉信号——设计新方法时应把"是否丢失域内信息"作为显式检查项。

9.3 给数据使用者的三条具体建议

1. 先走合规流程：CITI 培训 + DUA 需要时间，尽早启动。
2. 显式处理平台与缺失：按 iOS/Android 分层、对缺失率高的特征（如 WiFi）大概率直接弃用。
3. 跨年分析用重叠用户：控制人群变化，避免把"人群差异"误读为"时间效应"。

§10 避坑清单：十四个已踩过的坑

坑 1：把 705 当成"参与者人数"
705 是 person-years（人年），即各年度人数之和（155+218+137+195）；唯一参与者是 497。把 705 说成"705 名参与者"是最常见的误引，条目与引用均须严格区分。

坑 2：PHQ-4 抑郁比例的双口径
论文正文写 47.4±2.8%，PhysioNet v1.1 写 46.2±2.5%。差异源于 v1.1 增补 PHQ-4 子量表后重算。引用时必须注明来源与版本，否则与另一来源冲突。

坑 3：研究时长的三口径
论文写"每年 10 周（10 weeks each year）“，官网 overview 写"三个月（three months）”，PhysioNet 实测"77.5±8.9 天"。三者并存，条目并记；不要只取其一而否认其余。

坑 4：年均天数取整差异
官网写"平均 78 天/人/年"，PhysioNet 写"77.5±8.9 天"——同一数据的不同精度表述，非矛盾。

坑 5：把 GLOBEM 当开放数据直接引用下载链接
GLOBEM 是凭证式访问（credentialed access），没有公开直链。写"可从 PhysioNet 直接下载"是错的——须先 CITI 培训 + 签 DUA。代码开放（GitHub）不等于数据开放。

坑 6：混淆"数据集 GLOBEM"与"平台 GLOBEM"
GLOBEM 既是数据集名，也是基准平台名。论文里 “platform GLOBEM” 指评测系统，datasets 指数据本身——引用时说清楚指哪一个。

坑 7：WiFi 特征的取舍
官网数据流正文列表未列 WiFi，但文件系统确有 wifi.csv（缺失率高、无现有算法使用）。若要复现基准，须按论文剔除 WiFi；若要探索新方法，可谨慎使用但须声明缺失处理。

坑 8：特征三段式命名读错
f_slp:avgdurationasleep_main_norm:14dhist 的冒号分段（类型:名称+版本:时间窗）不能整体当特征名；_norm/_dis 是无后缀原始值的版本后缀，14dhist 是聚合窗口——三段任一段错位都会导致特征张冠李戴。

坑 9：demographics 需单独申请
demographics.csv 因隐私不在凭证访问的标准发放内，须额外提交含该需求的研究计划。以为拿到凭证访问就自动拥有人口统计，是常见的预期落差。

坑 10：把自评标签当临床诊断
抑郁标签来自 BDI-II/PHQ-4 问卷的"至少轻度"阈值，是程序化标签而非 DSM 临床诊断。任何临床结论的表述都须保留这层限定。

坑 11：忽略 iOS/Android 平台差异
部分算法（如 Lu）明确"为 iOS 和 Android 分别建模"。若模型不区分平台，须确认特征在两平台含义一致，或按平台分层——直接混用两平台特征可能引入系统偏差。

坑 12：把"数据集 705 人年"与"某年 155 人"当成包含关系
705 是四年加总，155/218/137/195 是各年人数，二者不是"总体 vs 子集"而是"求和 vs 加数"。写成"705 人中有 155 人在 2018 年参与"是错误的——705 里本就重复计入了跨年续报者。

坑 13：条件与多数类的不平衡未处理
抑郁检测正类比例约 39.8%（BDI-II）/ 46.2-47.4%（PHQ-4），并非极端不平衡，但跨域后正类比例会漂移。评价必须用 balanced accuracy 而非普通准确率，否则跨域比较失真。

坑 14：误以为"Reorder 最优 = 可用"
Reorder 虽四列最优，但绝对水平仅 0.5-0.63，论文自评"远未达可部署"。把它当"成熟方案"引用，是对论文原意的曲解。

§11 总结

GLOBEM 是被动感知心理健康建模领域的一块"诚实基石"。它用四年、705 人年、497 人的连续移动与可穿戴数据，第一次把"跨数据集泛化"从研究者的口头关切变成可量化、可复现的标准评测；又用 18 种算法的统一基准，给出一个不讨喜但重要的结论——现有方法几乎无法泛化。

对使用者，GLOBEM 的价值有三重：作为数据，它提供大规模的纵向行为-心理健康配对样本；作为基准，它提供一把公平的泛化标尺；作为方法学教材，它示范了敏感行为数据在隐私与可研究性之间如何折中（特征级发布 + 凭证访问 + DUA）。

三条行动建议：其一，凡做被动感知心理健康预测，先在 GLOBEM 上跑一次跨数据集复测，再谈结论；其二，凡使用 GLOBEM 数据，先走完 CITI + DUA 流程，并注意 demographics 单独申请；其三，凡引用其数字，严格区分 705 人年 vs 497 人、并注明 PHQ-4 比例的口径版本。

一句话记忆：GLOBEM = “四年、705 人年、497 人、六类传感流” + “18 算法抑郁检测基准” + “跨数据集泛化坍塌的实证” + “凭证式访问”。

---

FAQ（高频问答 42 问）

Q1：GLOBEM 是什么的缩写？
Generalization of LOngitudinal BEhavior Modeling（纵向行为建模的泛化）。论文原文给出。

Q2：谁做的？
华盛顿大学 UW-EXP Study Team，一作 Xuhai Xu，资深作者 Anind K. Dey，共 16 位作者。

Q3：发在哪？
NeurIPS 2022 Datasets and Benchmarks Track，收录于 Advances in Neural Information Processing Systems 35。

Q4：多大规模？
705 人年（person-years）/ 497 唯一参与者；四年子集 155/218/137/195。

Q5：数据跨几年？
四年度采集研究：2018、2019、2020、2021。

Q6：INS-W 是什么？
四个年度子集的命名：INS-W_1(2018) ~ INS-W_4(2021)。INS-W 系 UW 校内研究代号。

Q7：采了哪些传感器？
位置、手机使用/屏幕、通话、蓝牙、体力活动（步数）、睡眠；另有 WiFi（缺失率高，未用于基准）。

Q8：怎么采的？
手机装 AWARE framework 的 App（iOS/Android）+ 戴 Fitbit 手环，24×7 被动采集。

Q9：采多久？
每年约 10 周（论文）/ 三个月（官网），实测平均每人每年 77.5±8.9 天。

Q10：有心理健康标签吗？
有。抑郁标签（BDI-II、PHQ-4）来自 Pre/Post 问卷与 EMA；人均 11.6±2.6 个标签。

Q11：主任务是什么？
抑郁检测（二分类：至少轻度抑郁 vs 否），输入为历史感知数据。

Q12：为什么选抑郁？
论文说明抑郁是全球常见且重要的心理健康问题，可作示例，后续可扩展其他建模目标。

Q13：怎么评测泛化？
四类任务：单数据集 past/future、留一数据集、疫情前后、重叠用户跨年。

Q14：评测指标是什么？
balanced accuracy（平衡准确率）；Majority 基线 0.500。

Q15：结果好吗？
单数据集内尚可（最高 Xu-I 0.691），跨数据集普遍坍塌到 0.50-0.55。

Q16：最好的算法是哪个？
自研 Reorder 四列全优（0.626/0.547/0.525/0.573），但仅比基线提升 Δ=15.9%。

Q17：为什么所有算法都不行？
人群差异 + 时间漂移（含 COVID 冲击）使训练分布 ≠ 测试分布，现有域泛化技术不足以弥合。

Q18：数据是开放的吗？
不是。凭证式访问（credentialed access），须 CITI 培训 + 签 DUA。

Q19：具体在哪下？
PhysioNet：https://physionet.org/content/globem/ 。代码在 GitHub UW-EXP/GLOBEM。

Q20：许可证是什么？
PhysioNet Credentialed Health Data License 1.5.0 + Data Use Agreement 1.5.0。

Q21：能商用吗？
不能。明确禁止商业用途（证明/训练/测试商业系统、广告、售卖等）。

Q22：能再分发吗？
不能，包括向同机构其他单位分发；仅学术出版澄清可用小部分。

Q23：发布的是原始数据吗？
不是。仅发布 feature-level 特征级数据（经 RAPIDS 抽取），原始敏感流不发布。

Q24：人口统计怎么拿？
demographics.csv 因隐私需额外特殊申请（提交含该需求的研究计划）。

Q25：版本有哪些？
v1.0（2022-11-04 首发）、v1.1（2023-03-14，新增 PHQ-4 子量表分数与标签）。

Q26：DOI 是什么？
v1.1 = 10.13026/r9s1-s711；latest = 10.13026/889w-p048。

Q27：有哪些特征版本？
原始 / _norm（归一化）/ _dis（离散化）；配 9 个时间窗。

Q28：队列构成如何？
女性 58.9%、移民 24.2%、第一代 38.2%、残障 9.1%；亚裔 53.9%、白人 31.9% 等。

Q29：和 StudentLife 什么关系？
GLOBEM 受 StudentLife 启发，并在论文中与 StudentLife(48 人)/CrossCheck(34 人)/En-Gage(29 人)对比，凸显规模与跨度优势。

Q30：IRB 编号？
华盛顿大学 STUDY00003244。

Q31：谁资助的？
NSF、NIDILRR、Samsung Research America、Google。

Q32：最大局限一句话？
凭证访问门槛高 + 队列为大学生同质样本 + 标签为自评问卷而非临床诊断。

Q33：GLOBEM 和 INS-W 是什么关系？
INS-W 是四个年度子集的命名（INS-W_1~4），源自 UW 校内研究代号；GLOBEM 是数据集/平台的公开名。论文与官网以 INS-W_1~4 命名子集。

Q34：为什么四年人数不同？
各年独立招募，既有继续参与者也有新参与者，且历年招募规模受疫情等因素影响，故 155/218/137/195 不等（2020 年因疫情降至 137）。

Q35：数据里有 COVID 相关标签吗？
没有专门的 COVID 标签，但 2020（INS-W_3）与 2021（INS-W_4）两子集天然承载疫情冲击与恢复期行为，基准的"疫情前后"任务即基于此。

Q36：能不能只下某一年的数据？
PhysioNet 按四个子集组织，凭证通过后通常整套提供；是否可分年下载以其页面实际为准（本次抓取未见分年下载选项说明）。

Q37：特征总数大概多少？
官方未给精确计数。特征面 = 6 类型 × 3 版本 × 9 时间窗 × 各类型字段数，量级在数千列（rapids.csv 为全特征汇总）。精确数以实际数据为准。

Q38：有预训练模型或基线权重吗？
GLOBEM 平台（GitHub）提供算法实现代码；是否有官方发布的权重以仓库为准。论文的基准表是唯一权威结果来源。

Q39：为什么说它"首个"多年度被动感知数据集？
论文声明其为"first multi-year passive sensing datasets"，对比同期公开集（StudentLife/CrossCheck/En-Gage）均为单年度小样本，GLOBEM 首次实现跨四年、700+ 人年的规模。

Q40：做抑郁以外的任务可以用吗？
可以。论文明确以抑郁为"起点示例"，并"vision"其他建模目标（更多幸福指标、行为预测等）。GLOBEM 的问卷数据含人格、身体健康、社会正义、物质使用等多维标签，可支撑更广任务。

Q41：数据能用于商业产品训练吗？
不能。使用条款明确禁止商业用途（含训练/测试商业系统）。

Q42：如果只想要统计摘要不下载数据呢？
官网 overview 与论文正文提供了规模、人口结构、标签分布等摘要统计，可用于引用；但逐特征统计需下载数据后自行计算。

---

事实清单（硬事实 50 条）

以下 40 条为条目核心可核验事实，均出自 NeurIPS 2022 论文、官方 overview 页或 PhysioNet 页面：

1. 全称：GLOBEM: Multi-Year Datasets for Longitudinal Human Behavior Modeling Generalization。
2. 缩写词源：Generalization of LOngitudinal BEhavior Modeling。
3. 论文发表：NeurIPS 2022 Datasets and Benchmarks Track。
4. 收录卷：Advances in Neural Information Processing Systems 35。
5. 会议时间：2022-11-28 ~ 2022-12-09，New Orleans。
6. 论文 ISBN(Electronic)：9781713871088。
7. 作者数：16 位。
8. 一作：Xuhai Xu。
9. 资深作者：Anind K. Dey。
10. 采集团队：University of Washington UW-EXP Study Team。
11. 规模：705 person-years。
12. 唯一参与者：497 人。
13. 四年子集：INS-W_1(2018) 155 人。
14. INS-W_2(2019) 218 人。
15. INS-W_3(2020) 137 人。
16. INS-W_4(2021) 195 人。
17. 人数加总：155+218+137+195 = 705（=人年）。
18. 每年采集时长：约 10 周（论文）/ 三个月（官网）。
19. 实测平均：77.5±8.9 天/人/年（PhysioNet）。
20. 采集方式：AWARE framework 手机 App（iOS/Android）+ Fitbit。
21. 采集频率：24×7 被动感知。
22. 传感器流：location、screen、call、bluetooth、steps、sleep 六类。
23. 另含 WiFi 特征（缺失率高，基准未用）。
24. 特征命名三段式：feature_type:name+version:time_segment。
25. 特征类型短码：f_loc / f_screen / f_call / f_blue / f_steps / f_slp。
26. 特征版本：原始 / _norm / _dis。
27. 时间窗 9 个：morning/afternoon/evening/night/allday/7dhist/14dhist/weekday/weekend。
28. 数据文件格式：CSV，以 pid×date 索引。
29. 标签表：dep_weekly.csv（post+EMA）、dep_endterm.csv（仅 post）。
30. 抑郁量表：BDI-II、PHQ-4。
31. 人均抑郁标签数：11.6±2.6。
32. 至少轻度抑郁比例：BDI-II 39.8±2.7%。
33. PHQ-4 比例：论文 47.4±2.8% vs PhysioNet v1.1 46.2±2.5%（双口径）。
34. 主任务：抑郁检测（二分类）。
35. 四类评测任务：单数据集、留一数据集、疫情前后、重叠用户。
36. 评测指标：balanced accuracy；Majority 基线 0.500。
37. 基准算法：18 种（9 抑郁检测 + 8 域泛化 + Reorder）。
38. 单数据集最优：Xu-I 0.691±0.018。
39. 综合最优：Reorder（四列全优），相对基线 Δ=15.9%。
40. 访问：PhysioNet 凭证访问；License 1.5.0；DOI 10.13026/r9s1-s711。
41. License 全称：PhysioNet Credentialed Health Data License 1.5.0。
42. DUA 全称：PhysioNet Credentialed Health Data Use Agreement 1.5.0。
43. 访问三条件：credentialed user + CITI 培训 + 签署 DUA。
44. CITI 课程：Data or Specimens Only Research。
45. 伦理编号：UW IRB STUDY00003244。
46. RRID：SCR_007345。
47. 版本日期：v1.0=2022-11-04；v1.1=2023-03-14。
48. 人口结构：女性 58.9%、移民 24.2%、第一代 38.2%、残障 9.1%。
49. 种族结构：亚裔 53.9%、白人 31.9%、拉丁裔 7.4%、非裔 3.3%。
50. 资助：NSF、NIDILRR、Samsung Research America、Google。

术语表（44 条）

术语	英文	释义
纵向行为建模	longitudinal behavior modeling	在长时间跨度上建模人的行为与状态
被动感知	passive sensing	无需用户主动操作、后台持续采集传感器数据
领域泛化	domain generalization (DG)	训练时未见目标域，仍要求模型可迁移
分布偏移	distribution shift	训练分布与部署/测试分布不一致
留一数据集	leave-one-dataset-out (LOSO)	3 个数据集训练、剩 1 个测试的评测设置
平衡准确率	balanced accuracy	各类召回率的平均，抗类别不平衡
生态瞬时评估	EMA (ecological momentary assessment)	研究期间定期发放的短问卷
BDI-II	Beck Depression Inventory-II	贝克抑郁量表第二版
PHQ-4	Patient Health Questionnaire-4	四项患者健康问卷（抑郁+焦虑超短筛）
人年	person-year	一人参与一年计为 1 人年
AWARE	AWARE framework	开源移动感知 App 框架
Fitbit	Fitbit	商用可穿戴手环（活动+睡眠）
RAPIDS	Reproducible Analysis Pipeline for Data Streams	可复现数据流分析/特征抽取流水线
特征级数据	feature-level data	经抽取的派生特征，非原始传感器流
凭证式访问	credentialed access	需认证用户+培训+DUA 的受限访问
DUA	Data Use Agreement	数据使用协议
CITI	Collaborative Institutional Training Initiative	研究伦理/数据培训认证机构
IRB	Institutional Review Board	机构审查委员会（伦理审查）
ERM	Empirical Risk Minimization	经验风险最小化（基础训练范式）
IRM	Invariant Risk Minimization	不变风险最小化
DANN	Domain-Adversarial Neural Network	域对抗神经网络
CSD	Common Specific Decomposition	公共-特异特征解耦
MLDG	Meta-Learning for Domain Generalization	面向域泛化的元学习
MASF	Model-Agnostic Learning of Semantic Features	语义特征的模型无关学习
Reorder	Reorder	GLOBEM 自研，基于行为轨迹连续性的表征学习
DAIMS	Discoverability/Accessibility/Interoperability/Metadata/Sustainability	数据可用性五维评估框架
LOSO 与 past/future	—	GLOBEM 的两类主评测设置
人年加总语义	—	705（人年）≠ 497（唯一参与者），易误引点
被试内/被试间	within-/between-subject	同一人 vs 不同人之间的泛化
留一域	leave-one-domain-out	同 LOSO，域可以是数据集/机构/批次
特征级发布	feature-level release	只发布派生特征而非原始流
重识别风险	re-identification risk	脱敏数据被反推回个体的风险
队列	cohort	一组被纵向追踪的研究对象
依从性	compliance	参与者按要求佩戴/使用设备的程度
缺失率	missing rate	数据缺失的比例
正态化/归一化	normalization	将特征缩放到统一尺度（_norm）
离散化	discretization	将连续特征分箱为类别（_dis）
时间窗	time segment	特征的聚合时段（9 种）
域对抗	domain-adversarial	通过对抗训练让表征跨域不变
不变风险	invariant risk	跨环境保持不变的风险结构
元学习	meta-learning	学习"如何学习"以提升迁移
度量学习	metric learning	学习样本间距离的表示
pretext task	pretext task	自监督中的代理任务（如重排序）
平衡准确率漂移	—	跨域时正类比例变化导致的指标失真

附录

附录 A：三源互证对照表

事实项	NeurIPS 论文	官方 overview	PhysioNet
规模	705 person-years / 497 unique	155/218/137/195	705 person-years / 497
采集时长	10 weeks each year	three months	77.5±8.9 天
传感器	6 类	Location/PhoneUsage/Call/Bluetooth/PhysicalActivity/Sleep	6 类 + WiFi
抑郁比例	BDI-II 39.8% / PHQ-4 47.4%	—	BDI-II 39.8% / PHQ-4 46.2%
版本	2022 首发	—	v1.0 / v1.1

附录 B：四年子集速查卡

子集	年份	人数	历史语境	基准用途
INS-W_1	2018	155	疫情前	疫情前训练池（DS1）
INS-W_2	2019	218	疫情前	疫情前训练池（DS2）、规模最大
INS-W_3	2020	137	COVID 冲击	疫情后测试池（DS3）
INS-W_4	2021	195	疫情后恢复	疫情后测试池（DS4）

附录 C：数据目录结构（四年子集各一式）

INS-W_<n>/
├── SurveyData/
│   ├── dep_weekly.csv      # 抑郁标签（post+EMA，v1.1 含 PHQ-4）
│   ├── dep_endterm.csv     # 抑郁标签（仅 post）
│   ├── pre.csv             # 研究开始问卷
│   ├── post.csv            # 研究结束问卷
│   └── ema.csv             # 研究期间 EMA
├── FeatureData/
│   ├── rapids.csv          # 全特征汇总
│   ├── location.csv
│   ├── screen.csv
│   ├── call.csv
│   ├── bluetooth.csv
│   ├── steps.csv
│   ├── sleep.csv
│   └── wifi.csv            # 缺失率高，基准未用
└── ParticipantsInfoData/
    ├── platform.csv        # iOS/Android
    └── demographics.csv    # 需单独申请

附录 D：四类评测任务伪代码（方法学示意）

# 任务1：单数据集 past/future
for ds in [INS-W_1..4]:
    for user in ds.users:
        train = user.data[:0.8]   # 前 80%
        test  = user.data[0.8:]   # 后 20%

# 任务2：留一数据集
for held_out in [DS1..DS4]:
    train = union(others)
    test  = held_out

# 任务3：疫情前后（双向）
train, test = [DS1,DS2], [DS3,DS4]   # 前→后
train, test = [DS3,DS4], [DS1,DS2]   # 后→前

# 任务4：重叠用户跨数据集
overlap_users = users_present_in_max_datasets()
train = data(overlap_users, ds_a)
test  = data(overlap_users, ds_b)

附录 E：基于本数据集的研究检查清单（10 项）

1. 口径声明：引用规模时区分 705 人年 vs 497 参与者（坑 1）。
2. PHQ-4 版本：注明论文口径（47.4%）还是 PhysioNet v1.1 口径（46.2%）（坑 2）。
3. 时长表述：10 周 / 三个月 / 77.5 天三口径择一并注明来源（坑 3）。
4. 获取合规：先完成 CITI 培训 + 签 DUA，再取数据（坑 5）。
5. demographics：如需人口统计，单独提交研究计划（坑 9）。
6. WiFi 取舍：复现基准须剔除 WiFi（坑 7）。
7. 特征命名：严格解析三段式，防版本/时间窗错位（坑 8）。
8. 标签性质：抑郁为自评问卷阈值标签，非临床诊断（坑 10）。
9. 泛化验证：任何结论先在跨数据集任务（LOSO/疫情前后/重叠用户）复测（§5.4）。
10. 引用完整：数据引 PhysioNet 版本 DOI，方法引 NeurIPS 2022 论文。

附录 F：检索路径示范

目标	推荐查询式	预期命中
论文	“GLOBEM” AND “Multi-Year” AND “Human Behavior Modeling”	NeurIPS 2022 proceedings
数据	site:physionet.org globem / “GLOBEM Dataset” physionet	physionet.org/content/globem
官网	the-globem.github.io GLOBEM overview	官方 overview/structure 页
代码	UW-EXP GLOBEM github	github.com/UW-EXP/GLOBEM
复现文献	“GLOBEM” AND (depression OR generalization)	后续引用 GLOBEM 基准的论文
前作谱系	StudentLife / CrossCheck / En-Gage smartphone sensing	早期被动感知研究
反例（勿混）	“GLOBEM” 作为非数据集含义	无（无同名冲突资源）

附录 G：常见误引纠正表

误引	正确
“705 名参与者”	705 人年；497 名唯一参与者
“可直接从 PhysioNet 下载”	须凭证访问（CITI + DUA）
“开放数据”	受限/凭证访问数据
“原始传感器数据”	仅发布特征级数据
“抑郁临床诊断标签”	自评问卷（BDI-II/PHQ-4）阈值标签
“PHQ-4 47.4%”	注明口径：论文 47.4% / v1.1 46.2%

附录 H：18 算法速查（按组）

组	算法	关键记忆点
抑郁检测	Canzian	位置轨迹 + SVM
抑郁检测	Saeb	位置+屏幕，弹性网
抑郁检测	Farhan	位置+活动 + SVM
抑郁检测	Wahle	多传感器（去 WiFi/通话）
抑郁检测	Lu	多任务，iOS/Android 分开
抑郁检测	Wang	Lasso 逻辑回归
抑郁检测	Xu-I	多时段关联规则 + Adaboost（单域最高）
抑郁检测	Xu-P	协同过滤选特征 + 多数投票
抑郁检测	Chikersal	多尺度聚合 + Adaboost（LOSO 较高的经典法）
域泛化	ERM×4	基础训练（1D/2D CNN、LSTM、Transformer）
域泛化	Mixup	数据增强
域泛化	IRM	不变风险
域泛化	DANN(-D/-P)	域对抗
域泛化	CSD(-D/-P)	特征解耦
域泛化	MLDG(-D/-P)	元学习
域泛化	MASF(-D/-P)	语义特征元学习
域泛化	Siamese	度量学习
兼具	Reorder	行为轨迹连续性 pretext（四列最优）

附录 I：引用与致谢模板

数据引用：GLOBEM Dataset (v1.1), PhysioNet. DOI: 10.13026/r9s1-s711.
方法引用：Xu X, Zhang H, Sefidgar Y, et al. GLOBEM Dataset: Multi-Year
         Datasets for Longitudinal Human Behavior Modeling Generalization.
         In: Advances in Neural Information Processing Systems 35 (NeurIPS
         2022 Datasets and Benchmarks Track).
致谢要素：University of Washington UW-EXP Study Team；NSF/NIDILRR/Samsung/Google 资助

附录 J：维护触发点

触发事件	需更新的条目内容
PhysioNet 发布新版本（v1.2+）	§6.4 版本链、DOI、附录 B
基准表增补新算法	§5.2、§5.3 表格、附录 H
官方披露分年人口结构	§4.1、附录 B
官方给出文件数/体积	§2.1、§6.7（Metadata 评级）
论文被引大幅增长	§7.1 引用规模

---

尾注

本条目为 AI-Ready Wikipedia 数据集条目，生产于 2026-10-15，抓取与核验时点见 FACTS.md。事实陈述以 NeurIPS 2022 Datasets and Benchmarks 论文、GLOBEM 官方 overview 页（the-globem.github.io）与 PhysioNet 数据页面（physionet.org/content/globem）三源互证为据；PHQ-4 比例双口径、研究时长三口径、705 人年 vs 497 参与者的语义区分等易误引点已在坑点与附录存照。GLOBEM 为凭证式访问数据集，本条目如实标注其受限属性与使用条款。条目与库内 qol-stress（997）、bidsleep-dataset（1004）、nch-sleep（1013）、big-ideas-glycemic-wearable（1016）、mental-fnirs（1021）、brain-wearable-monitoring（1030）等条目互链，构成纵向可穿戴感知与心理健康家族的检索面。后续维护触发点：PhysioNet 版本更新、基准表增补新算法、官方队列结构细分披露。

---

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

• mmash — 共享标签：生理信号 / 可穿戴传感 / 睡眠信号 / 队列研究 / 评测基准
• dreamt — 共享标签：生理信号 / 可穿戴传感 / 睡眠信号 / 评测基准
• consumer-grade-wearables — 共享标签：生理信号 / 可穿戴传感 / 评测基准 / 神经科学
• mesa-sleep — 共享标签：生理信号 / 可穿戴传感 / 睡眠信号 / 队列研究
• boas-bitbrain — 共享标签：生理信号 / 可穿戴传感 / 睡眠信号 / 评测基准
• tiles-2018-sleep — 共享标签：生理信号 / 可穿戴传感 / 睡眠信号 / 队列研究
• nebula-reaching-eeg — 共享标签：生理信号 / 可穿戴传感 / 评测基准 / 神经科学
• wearable-exam-stress — 共享标签：生理信号 / 可穿戴传感 / 评测基准 / 神经科学
• bidsleep-dataset — 共享标签：生理信号 / 可穿戴传感 / 睡眠信号 / 评测基准
• isruc-sleep — 共享标签：生理信号 / 睡眠信号 / 评测基准

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。