在校园环境中基于智能手机的抑郁症检测:通过小样本行为分析进行概念验证研究

科学领域:

• 数字健康
• 心理健康技术
• 行为科学

背景情况:

• 抑郁症是全世界越来越普遍的现象,尤其是在青少年中.
• 大学学生面临着独特的心理健康挑战.
• 早期发现抑郁症对于有效的干预至关重要.

研究的目的:

• 探索使用智能手机传感器数据检测中国大学生抑郁症的可行性.
• 使用智能手机传感器识别与抑郁症状相关的行为模式.
• 根据传感器数据,评估机器学习模型在检测抑郁的准确性.

主要方法:

• 收集了来自12名大学生加速计,陀螺仪和光传感器的数据.
• 为校园环境开发一个定制的数据处理方案.
• 提取了18个特征序列,使用皮尔森相关性进行特征选择,并通过交叉验证验证模型.
• 用于模型培训和评估的常用分类算法.

主要成果:

• 检测准确率在73.11%至88.24%之间.
• 确定了抑郁症得分 (PHQ-9) 和饮食规律性,睡觉时间一致性和身体活动水平之间的显著负相关性.
• 通过智能手机获得的行为数据与自我报告的抑郁症状之间存在联系.

结论:

• 智能手机传感器在中国的高等教育机构中有望在早期发现抑郁症.
• 智能手机捕捉到的行为模式可以作为抑郁症症状的指标.
• 这种方法支持为学生开发新的以技术为导向的心理健康支持系统.