计算机鼠标在DMHIs中的轨迹的承诺和挑战 - - 一项关于预先治疗学预测的可行性研究

科学领域:

• 数字心理健康数字心理健康
• 人与计算机的交互
• 医疗保健中的机器学习

背景情况:

• 数字心理健康干预 (DMHI) 提供个性化护理,但通常使用有限,昂贵的功能.
• 计算机鼠标轨迹为心理健康评估提供了一个不引人注目的,经济高效的数据源.
• 鼠标的运动可能反映用户的动机和注意力,这对于治疗分配至关重要.

研究的目的:

• 探索在DMHIs中收集和处理小鼠轨迹数据的可行性.
• 通过机器学习研究小鼠轨迹对预测治疗需求的有用性.
• 为利用这种新型数据类型提供方法和开源代码.

主要方法:

• 收集了183名患者的小鼠轨迹数据,这些患者填写了介入前的抑郁症问卷.
• 实施了两种方法:使用非顺序模型手工制作的特征和使用顺序神经网络的原始时空数据.
• 开发了一个数据处理管道,将可变长度轨迹转换为单用户预测.

主要成果:

• 手工制作的特征比基线预测略有改善.
• 使用原始小鼠数据的时空模型在本可行性研究中表现不佳.
• 由于数据集的规模很小,因此需要进一步研究模型的潜力.

结论:

• 鼠标轨迹数据是增强DMHI的有希望的新型数据类型.
• 需要对更大的数据集进行进一步的研究,才能充分发挥空间时空小鼠数据分析的潜力.
• 提供开源工具,以促进该领域的未来研究.