对老年人抑郁症评估的家庭活动模式的分析 - - 一项可行性研究

科学领域:

• 老年学是一门学科.
• 数字健康数字健康
• 医疗保健中的机器学习

背景情况:

• 抑郁症显著影响澳大利亚老年人的生活质量.
• 在老年人中检测抑郁症具有独特的挑战.
• 在家中的运动模式可以提供对心理健康的见解.

研究的目的:

• 探索使用智能家居环境传感器来检测老年人抑郁状态的可行性.
• 为了识别暗示抑郁症的家庭活动模式.
• 基于传感器数据进行抑郁症评估的机器学习模型比较.

主要方法:

• 一项为期12个月的可行性研究,使用来自智能家居环境传感器的数据.
• 机器学习模型的比较分析:极端梯度提升 (XGBoost),随机森林 (RF) 和后勤回归 (LR).
• 功能包括运动传感器数据,社会人口统计学变量和老年抑郁量表得分.

主要成果:

• XGBoost表现出最高的性能,接收器运行特征曲线 (AUROC) 下的面积为0.67.
• 关键的影响因素包括浴室/厨房的移动和家庭护理支持水平.
• 运动模式与已知的抑郁症症状相关,例如卫生和移动性的变化.

结论:

• 通过环境传感器监测家中的运动是评估老年人健康风险的可行方法.
• 这项技术可能有助于早期发现和管理老年人抑郁症.
• 利用智能家居数据为非侵入性健康监测提供了一个新的途径.