用智能手机传感器数据来检测和预测年轻人 (12-25岁) 的抑郁和焦虑:一个范围审查

科学领域:

• 数字健康数字健康
• 心理健康研究 心理健康研究
• 计算精神病学是一种计算精神病学.

背景情况:

• 数字表型化为心理健康检测和预测提供了可扩展的方法.
• 了解数字数据如何推断年轻人的心理健康对于研究和实践至关重要.

研究的目的:

• 审查智能手机的被动传感和电子使用数据如何用于检测和预测青年 (12-25岁) 抑郁症和/或焦虑症.
• 确定用于青少年心理健康数字表型的常见传感器,特征和分析方法.

主要方法:

• 对35项分析智能手机数据 (GPS,WiFi,加速度计,麦克风,使用数据) 的研究进行了范围审查.
• 提取和计算低层特征 (例如移动性,社交性,睡眠模式,手机使用).
• 分析统计,回归和机器学习模型,用于检查数字数据与心理健康症状之间的关系.

主要成果:

• 全球定位系统 (GPS) 和加速度计数据是最常用的,移动性和社交模式经常被探索.
• 结合多个特征 (移动性,社交性,睡眠) 的机器学习模型比单个特征更好地预测青年焦虑和/或抑郁症状.
• 观察到混合的结果,不同研究报告的人口统计和技术细节不一致,偏差风险中等至高.

结论:

• 数字表型对年轻人的心理健康具有前景,其结合的功能增强了预测模型.
• 需要标准化的报告框架来提高数字表型化方法的透明度,可复制性和临床翻译性.
• 进一步的研究应该解决方法上的不一致性和偏见,以提高数字表型在青少年心理健康的可靠性.