这项研究由新加坡南洋理工大学的一个团队进行，涉及290 名成年人（平均年龄33 岁），他们被要求佩戴Fitbit Charge 2 活动追踪设备14 天。他们被告知除了洗澡或充电时外，任何时候都要佩戴它。
在为期两周的测试之前和之后，参与者完成了一份广泛用于识别抑郁人群的调查问卷。然后将这些调查的结果与Fitbits 收集的数据相结合，用于训练名为Ycogni 模型的机器学习计算机程序。
当该程序单独用于分析Fitbit 数据时，事实证明，它在预测谁最有可能患抑郁症以及谁最不可能患抑郁症方面的准确率约为80%。
据观察，容易患抑郁症的人在凌晨2 点至4 点之间心率变化较大，然后在凌晨4 点至6 点之间再次变化（通过Fitbits 测量）。这与早期的研究一致，表明睡眠期间的心率变化可能是抑郁症的有效生理指标。
Fitbits 还显示，有抑郁倾向的测试对象在起床时间和就寝时间上往往有更大的变化。同样，之前已经观察到抑郁症患者不太擅长遵循日常睡眠和起床程序。领导这项研究的Josip Car 教授表示：“我们的研究成功表明，我们可以使用可穿戴设备的传感器数据来帮助检测个人患抑郁症的风险。通过挖掘我们的机器学习程序，以及可穿戴设备的日益使用，普遍，有一天它可以用于及时、不引人注目的抑郁症筛查。”
