在患有重度抑郁情节的患者和健康对照者 (情绪移动监测) 中进行多式数字表型化研究:观察性纵向研究

科学领域:

• 数字表型化和心理健康研究.
• 机器学习在行为科学中的应用.
• 分析数字足迹以获得心理洞察力.

背景情况:

• 情绪障碍是全球普遍存在的健康问题.
• 数字设备为监测现实世界的心理健康提供了新的方法.
• 数字痕迹可以量化和跟踪患有精神障碍的个体.

研究的目的:

• 为了研究患有重度抑郁症 (MDD,双相情感或边缘人格障碍) 和健康对照组之间的群体级行为模式差异.
• 分析智能手机的使用,沟通,睡眠,移动性和身体活动模式.
• 为了识别与抑郁症严重程度相关的数字变量.

主要方法:

• 招募了188名参与者参加两阶段研究 (密集研究2周,被动监测长达1年).
• 从床上传感器,动图,智能手机和患者健康问卷 (PHQ-9) 收集数据.
• 使用生存分析,统计测试和线性混合模型进行数据分析.

主要成果:

• 与对照组相比,患者表现出较低的周日位置变异和正常化的位置.
• 患者的沟通模式不那么多样化,而智能手机使用模式更为多样化.
• 较短的接入电话持续时间和较低的活动变化与较低的抑郁症严重程度相关;较长的发出电话持续时间与更高的严重程度相关.

结论:

• 从数字数据中识别出关键的行为标记,用于情绪障碍分析.
• 在轻度至中度抑郁症中,单个数据模式的组级差异很小.
• 未来的研究应该整合多式联运数据来检测微妙的,个性化的差异;高的学率构成一个概括性的挑战.