仅人口学变量已解释大部分方差
这篇论文最重要的比较不在神经网络架构之间，而在可穿戴数据与一个强非可穿戴基准之间。在 Fitbit 信号进入模型之前，作者先用年龄、生理性别、BMI、研究站点、父母最高教育年限和家庭合并收入预测未校正的 NIH Toolbox 晶体认知得分（Gc）。仅这六个协变量的 Lasso 回归就达到 R² = 0.2346 ± 0.0205，r = 0.4868。
这一结果改变了问题的提法。晶体智力反映积累的语言、阅读和知识性技能，论文指出它与发育期暴露和与教育相关的家庭环境密切相关。因此有意义的检验是：活动与睡眠序列能否在人口学和站点校正基准之上增加可复现的预测信息，而不是可穿戴设备能否取代这一基准。
作者也报告了去掉协变量的纯可穿戴模型，R² = 0.1221 ± 0.0088。这说明确实存在独立的行为信号，但它单独使用时明显弱于人口学基准。
把每天设为图节点，缺失日可直接剪除
SATURN 全称睡眠-活动时间统一回归网络，它把每名参与者表示为一个 21 节点的时间图。每个节点对应从 Fitbit 方案第 0 天开始的固定 21 天窗口中的一个日历日，携带 47 个时间特征外加一个有效性通道，共 48 个节点级输入通道。边编码各天之间的时间相邻关系，残差 GATv2 层细化节点嵌入，再由掩码注意力池化生成一个图级表示。
这一设计针对一个具体失效模式。自由生活状态下的可穿戴数据流观测不完整：设备未佩戴、学校作息和家庭日常都会造成缺口，论文认为这些缺口并非随机缺失，而带有行为含义。把缺失日当作零活动观测，会把测量失败与真正的久坐行为混为一谈。
SATURN 的做法是在填补任何缺失值之前先生成有效性指标，然后在前向传播中动态剪除无效日的边。无效节点在拓扑上被隔离，消息传递只在已观测日上进行，其全局注意力权重被强制为零。参与者只要有至少 7 个有效活动日或至少 7 个有效睡眠日即可纳入，因此队列保留了活动佩戴不完整的青少年。
图结构的优势真实但幅度不大
三类模型都在同一套家庭感知五折交叉验证折上评估，兄弟姐妹和双胞胎被分到同一折，以防共享的家庭信息在训练集与测试集之间泄漏。分层标签由生理性别与年龄、BMI 三分位交叉构成。
展平式模型把 21 天当作独立的表格列。其中最好的梯度提升达到 R² = 0.2372 ± 0.0136，仅略高于仅用协变量的 Lasso 结果 0.2346。论文将此解读为：简单拼接既不能保留相邻日的连续性，也无法妥善处理间歇性缺失。
采用掩码均值池化的双向 LSTM 按时间顺序处理各天，达到 R² = 0.2688 ± 0.0154。把它的掩码换成常规均值填补或前向填补后性能下降，作者将此归因于陈旧状态或人群平均噪声通过人工填补的缺口被传播。
SATURN 达到 R² = 0.2783 ± 0.0127，r = 0.5304 ± 0.0104。一项消融实验把填补后的数据直接送入 GATv2 层、而不剪除无效边，结果降到 R² = 0.2735，论文据此认为增益来自拓扑剪枝，而不只是图架构本身。相对 BiLSTM 的领先幅度很小，因此可辩护的结论是排序稳定，而非大幅跃升。
可穿戴信号与社会结构高度重叠
完整融合模型的 R² = 0.2783，明显小于协变量基准（0.2346）与纯可穿戴模型（0.1221）的算术和。作者称之为次可加方差重叠，并解读为青少年的运动行为、睡眠卫生和设备依从性受其社会经济现实约束和支撑。
这一解读是论文自身的框架，而非因果发现。数字所确立的是一个预测层面的分解：可穿戴数据流携带的信息部分与人口学变量已捕捉的信息重复，剩余增量有限。
论文明确指出，该设计支持预测性关联而非因果推断，要更进一步需要纵向轨迹建模。
轻度活动、代谢当量与睡眠时长居前
两种归因方法在留出测试对象上运行。置换特征重要性衡量在跨对象打乱某个特征组后测试 R² 的下降，打乱时保留每个特征在对象内的时间形状，只破坏对象与特征的对应关系。积分梯度沿基线到输入的路径计算基于梯度的归因，使用 50 个插值步，并固定图有效性掩码，使基线无法改变图拓扑。
在排除结构掩码、时间索引变量和设备依从性变量后，两种方法的排序高度一致（Spearman ρ = 0.740，p < 0.001）。论文指出不应期待两者给出相同尺度，因为它们回答的是不同问题。
识别出的主导预测因子是轻度活动、代谢当量和睡眠时长。研究还提取了最后一层 GATv2 的注意力权重，在四个注意力头、测试对象和折上取平均，但论文把这些图视为学习到的消息路由诊断，而非因果解释。
亚组 R² 反映组内方差，而非仅模型质量
汇总留出预测的整体平均绝对误差为 4.62 个 Gc 分，RMSE 为 5.90，观测均值为 91.26 ± 6.94（范围 66–125）。偏差定义为预测值减观测值，整体为 −0.19，说明平均校准良好。
亚组结果需要谨慎解读，因为正如论文表格注释所述，R² 高度依赖组内目标方差。父母教育程度低的组（≤12 年，N = 280）R² = 0.029，偏差 0.95；父母教育程度高的组（≥17 年，N = 3905）R² = 0.146。家庭收入低的组（<$25k，N = 585）R² = 0.230。这些差异混合了模型行为与各组内目标变量的变异程度。
可穿戴依从性的分组结果与简单的数据质量叙事方向相反：有效日少于 21 天的参与者（N = 2345）R² = 0.317，而有效日达到或超过 21 天的参与者（N = 3746）R² = 0.232。这些稳健性检验中的不确定性估计来自蒙特卡洛 dropout，每名测试对象运行 100 次随机前向传播。
论文承认缺失本身可能编码社会结构，而且对依从性很差的参与者大量剪边会使图退化为稀疏状态，损失时间分辨率。
是评估的补充，而非替代
论文把 SATURN 定位为数字认知表型框架，用于突出宏观层面的行为异常，数字支持的是这一主张的窄版本。相对强人口学基准的增量可穿戴信号约为 R² 的 0.04，而图模型优于序列模型、序列模型优于展平模型的排序在各折间保持一致。
若干边界限制了这一排序的可迁移范围。队列是美国 ABCD 研究中两年随访时的青少年，因此其他国家、年龄段、可穿戴设备和采集方案都需要外部验证。输入是表格化的每日汇总，而非原始分钟级数据流，因此模型无法获得日内活动时间、活动片段结构和更细粒度的睡眠阶段动态。目标仅为未校正的 Gc，未评估流体智力和总体认知。
对于正在判断可穿戴轨迹是否值得用于认知建模的读者，这篇论文的具体启示是：比较基准比架构标题更重要。当仅协变量基准 0.2346 与 R² 接近 0.28 的模型放在同一张表上时，结论就不同了；可辩护的主张是，在强社会结构之上叠加了一个可复现的行为增量。
本文引用的文献
Temporal Graph Learning of Wearable Actigraphy and Sleep Traces for Modelling Adolescent Crystallized Intelligence
SATURN 是一个 21 节点时间图模型，会动态剪除无效日的边；它基于 6,091 名 ABCD 参与者的 21 天 Fitbit 轨迹，对青少年晶体智力达到 R² = 0.2783 ± 0.0127，高于梯度提升（0.2372）和 BiLSTM（0.2688），但仅略高于仅用协变量的 Lasso 基准（0.2346）。