追踪大学生使用手机和可穿戴传感器的抑郁动态

科学领域:

• 数字心理健康数字心理健康
• 计算精神病学是一种计算精神病学.
• 移动传感器是移动传感器.

背景情况:

• 大学生中抑郁症的比例不断上升,使现有的心理健康服务受到压力.
• 目前用于心理健康的移动传感方法缺乏针对主要抑郁症 (MDD) 症状的特异性.
• 需要量身定制的数字表型来准确评估学生的心理健康.

研究的目的:

• 从被动传感数据引入新的"症状特征",以代理DSM-5定义的大学生抑郁症症状.
• 评估这些症状特征在预测本科生抑郁症中的有效性.
• 通过使用验证的查工具,评估整个学期的抑郁动态.

主要方法:

• 从智能手机和可穿戴设备收集了83名本科生在两个9周的学期内的被动传感数据.
• 开发和使用定制的"症状特征",旨在反映特定的DSM-5抑郁症标准.
• 每周进行PHQ-4和前后PHQ-8调查,以跟踪抑郁症得分和动态.

主要成果:

• 确定了新型症状特征和自我报告的抑郁症得分 (PHQ-8,PHQ-4) 之间的显著关联.
• 证明了移动传感器的症状特征的能力,可以预测每周的抑郁状态.
• 在每周抑郁症预测中实现了81.5%的回忆和69.1%的准确性.

结论:

• 使用专门设计的症状特征的被动移动传感,为大学生持续监测抑郁症提供了一个有希望的方法.
• 这种方法可以通过提供客观的实时洞察力来补充传统的心理健康服务,以了解学生的福祉.
• 这些发现支持数字表型化在高等教育环境中早期发现和干预抑郁症的潜力.