Detección de recompensa y afecto momentáneos con datos de sensores digitales pasivos en tiempo real

Área de la Ciencia:

• El fenotipo digital es el fenótipo digital.
• La psiquiatría computacional es la psiquiatría computacional.
• Ciencia de datos conductuales Ciencia de datos conductuales.

Sus antecedentes:

• El monitoreo de la salud mental a menudo se basa en autoinformes subjetivos, que pueden ser onerosos.
• Las evaluaciones momentáneas ecológicas (EMA) proporcionan datos subjetivos en tiempo real, pero requieren la participación activa de los participantes.
• La detección pasiva ofrece un potencial para la recopilación de datos continua y discreta.

Objetivo del estudio:

• Para investigar el poder predictivo de los datos del sensor digital pasivo para los estados mentales subjetivos.
• Evaluar la viabilidad del uso de datos de teléfonos inteligentes y relojes inteligentes para evaluaciones momentáneas ecológicas (EMA).
• Establecer una línea de base para el monitoreo escalable y no invasivo de la salud mental.

Principales métodos:

• Se recopilaron datos de 245 participantes con depresión y diferentes niveles de anhedonia.
• Utilizó modelos de aprendizaje automático para predecir estados subjetivos a partir de datos de sensores.
• Características conductuales y fisiológicas agregadas en ventanas de tiempo (de 15 minutos a 3 horas).

Principales resultados:

• Los modelos de aprendizaje automático predijeron con éxito 12 de las 15 preguntas de la EMA por encima del azar aleatorio.
• La predicción óptima requería períodos de agregación de al menos dos horas de datos de los sensores.
• El rendimiento del modelo varió según el tipo de sensor, la demografía, la depresión y la gravedad de la anhedonia.

Conclusiones:

• La detección digital pasiva es factible para detectar estados subjetivos momentáneos.
• Este enfoque proporciona una base para el monitoreo de salud mental escalable y no invasivo.
• La investigación adicional puede refinar los modelos y explorar diversas poblaciones.