调查基于智能手机的传感功能来预测抑郁症严重程度:观察性研究

科学领域:

• 数字精神病学数字精神病学
• 计算心理健康 计算心理健康
• 移动健康 (mHealth) 服务提供商

背景情况:

• 智能手机的客观传感器数据 (智能传感) 提供了一种新的方法来推断心理健康症状.
• 抑郁症是智能感应的关键目标,因为它的流行程度和影响.
• 目前的研究还不清楚哪些传感器功能最能预测抑郁症严重程度,以及它们对生态瞬间评估 (EMA) 的额外好处.

研究的目的:

• 调查智能手机屏幕,应用程序使用和呼叫传感器功能与EMA一起用于抑郁症严重程度推断.
• 为了确定智能传感功能的增量效益,与彼此和EMA相比.
• 开发用于抑郁症严重程度预测的节回归模型.

主要方法:

• 一项探索性观察性研究,涉及107名参与者使用安卓智能手机.
• 通过INSIGHTS应用程序收集数据,包括传感器数据和EMA.
• 使用8项患者健康问卷评估抑郁症严重程度;进行了逐步线性回归和相关性分析.

主要成果:

• 在抑郁症严重程度和EMA (例如,价值:r=-0.55) 和传感特征 (例如,屏幕持续时间:r=0.37) 之间观察到小到中等的相关性.
• EMA特征解释了35.28%的差异,而传感特征解释了20.45%.
• 一个结合EMA和传感特征的模型产生了最高的预测能力 (R2=45.15%).

结论:

• 智能感应和EMA显示出明显的潜力来推断抑郁症的严重程度,无论是单独的还是组合的.
• 这些方法可以成为未来临床决策支持系统的基础.
• 需要进一步的证实性研究,在例行临床应用之前解决隐私,伦理和接受问题.