详细内容或原文请订阅后点击阅览
评估大规模数字传感治疗抑郁和焦虑的可行性：数字心理健康研究
从智能手机和可穿戴设备被动获取的数据可以提供近乎连续的客观信息，从而能够量化受心理健康状况（包括抑郁和焦虑）影响的广泛生理、行为和情感领域的状态和特征。这种数字表型分析的广泛应用可能会改变研究和临床护理中对抑郁和焦虑的评估，但该领域缺乏有力的纵向研究来证明这种方法的实用性。本文介绍了数字化...的设计和实现
来源:Apple机器学习研究从智能手机和可穿戴设备被动获取的数据可以提供近乎连续的客观信息，从而能够量化受心理健康状况（包括抑郁和焦虑）影响的广泛生理、行为和情感领域的状态和特征。这种数字表型分析的广泛应用可能会改变研究和临床护理中对抑郁和焦虑的评估，但该领域缺乏有力的纵向研究来证明这种方法的实用性。本文介绍了数字心理健康研究 (DMHS) 的设计和实施，该研究从 iPhone 和 Apple Watch 收集了 4,000 多名参与者长达 12 个月的传感器数据，样本的年龄、出生性别、种族和抑郁症状严重程度各不相同。为了能够使用这些数字表型来分析抑郁和焦虑的复杂性和异质性，我们设计了一个定期自我报告和基于访谈的量表的协议，经过优化以尽可能广泛地评估抑郁、焦虑和感知压力的要素，同时最大限度地减少参与者的测量负担。我们在此报告用于招募和登记 DMHS 样本的策略、用于开发研究方法和方案的流程，以及描述纵向症状轨迹并展示参与者在 12 个月期间的高参与度和依从性的初步结果。