被动感知智能手机特征对抑郁和焦虑症状预测的时间差效用:一项纵向队列研究

科学领域:

• 数字化表型化是指数字化表型化.
• 心理健康信息学心理健康信息学
• 计算精神病学是一种计算精神病学.

背景情况:

• 现有的研究将智能手机数据与情绪症状联系起来,但对时间尺度和特异性缺乏明确性.
• 了解个人特定的数字标记对于开发有针对性的心理健康干预措施至关重要.

研究的目的:

• 通过智能手机的被动传感,识别个人内部和人与人之间的抑郁和焦虑症状的数字标志物.
• 在16周的时间内调查这些数字标记的时间动态和特异性.

主要方法:

• 一个大规模的 (n=1013) 基于智能手机的被动传感研究,使用LifeSense应用程序.
• 在16周内持续收集数据 (GPS,应用程序/设备使用,通信).
• 具有移动窗口的等级线性回归模型用于预测抑郁症 (PHQ-8) 和焦虑症 (GAD-7) 症状.

主要成果:

• 在家的时间增加预测了近端,中端和远端时间窗口的抑郁症严重程度 (PHQ-8).
• 循环节运动与PHQ-8密切相关,但不能预测未来的症状.
• 独特的沟通模式 (电话/短信,消息) 与PHQ-8和GAD-7症状有关.

结论:

• 智能手机的被动传感可以识别个人特定的抑郁和焦虑的数字标记.
• 像家居时间这样的特征可以作为预防性干预的早期指标.
• 研究结果支持开发个性化的数字心理健康工具和增强患者-提供者互动.