基于移动感应的抑郁症严重程度评估,对具有异质心理健康状况的参与者进行评估

科学领域:

• 数字健康数字健康
• 计算精神病学是一种计算精神病学.
• 行为数据科学行为数据科学

背景情况:

• 目前的抑郁症严重程度评估依赖于主观问卷.
• 之前的移动传感研究缺乏跨异质心理健康状况的概括性.
• 自由生活音频数据对抑郁症评估的实用性仍然未被探索.

研究的目的:

• 在异质的心理健康群体中评估抑郁症严重性评估的移动传感.
• 调查自由生活音频数据对抑郁症严重程度预测的附加值.
• 为抑郁症监测开发一个通用的移动传感模型.

主要方法:

• 收集了智能手机数据 (通信日志,位置) 和健康的可穿戴音频录音,主要抑郁症和精神分裂情绪障碍参与者.
• 开发了使用移动传感功能的预测模型.
• 整合了基于音频的社交功能,以提高模型的性能.

主要成果:

• 移动传感模型使用通信和位置数据实现了6.80的根平均平方误差 (RMSE).
• 添加基于音频的社交功能将RMSE降至6.07 (正常化的RMSE为0.22).
• 音频功能提高了五类抑郁症分类的F1分数,从0.34到0.46,超过了基线模型.

结论:

• 自由生活音频数据显著补充了传统的移动传感功能,以改善抑郁症严重程度的评估.
• 移动传感显示了在各种心理健康状况中准确模拟抑郁症严重性的潜力.
• 这种方法可以作为一种可扩展的查工具,用于监测一般人群中的抑郁症状.