O seu smartphone poderia detectar riscos à saúde mental antes de você notá -los?

O seu smartphone poderia detectar riscos à saúde mental antes de você notá -los?

O seu smartphone poderia detectar riscos à saúde mental antes de você notá -los?

Os dados coletados passivamente dos sensores de telefone celular podem identificar comportamentos associados a uma série de distúrbios de saúde mental, da agorafobia ao transtorno de ansiedade generalizada ao transtorno de personalidade narcisista. Novas descobertas mostram que os mesmos dados podem identificar comportamentos associados a uma ampla variedade de sintomas de transtorno mental.

Colin E. Vize, professor assistente do Departamento de Psicologia da Escola de Artes e Ciências de Pitt, Kenneth P. Dietrich, é co-PI nessa pesquisa, que amplia o escopo de como os médicos podem um dia usar esses dados para tratar seus pacientes.

O trabalho foi liderado pelo primeiro autor Whitney Ringwald (SOC WK ’18G, A&S’ 21G), professor da Universidade de Minnesota que concluiu seu treinamento de pós -graduação em Pitt. Também em sua equipe estavam o ex -professor de Pitt Aiden Wright, agora na Universidade de Michigan, e Grant King, um dos estudantes de pós -graduação de Wright.

“Este é um passo importante na direção certa”, disse Vize, “mas há muito trabalho a ser feito antes que possamos realizar qualquer uma das promessas clínicas do uso de sensores em smartphones para ajudar a informar a avaliação e o tratamento”.

Em teoria, um aplicativo que poderia usar esses dados daria aos médicos acesso a dados substancialmente e mais confiáveis ​​sobre a vida de seus pacientes entre as visitas.

“Nem sempre somos os melhores repórteres, muitas vezes esquecemos as coisas”, disse Vize sobre o preenchimento de auto-avaliações. “Mas com o sentimento passivo, poderemos coletar dados de forma discreta, pois as pessoas estão passando por suas vidas diárias, sem ter que fazer muitas perguntas”.

Como os primeiros passos para realizar essa ferramenta, os pesquisadores investigaram se poderiam inferir se as pessoas estavam se comportando de maneiras associadas a certas condições de saúde mental. Pesquisas anteriores conectaram as leituras de sensores passivos a comportamentos que apontam para doenças específicas, incluindo depressão e transtorno de estresse pós-traumático. Este novo trabalho, publicado em 3 de julho na revista Jama Network Openexpande essa pesquisa, mostrando que ela pode estar ligada a sintomas que não são específicos para nenhuma condição de saúde mental.

Isso é importante, disse Vize, porque muitos comportamentos estão associados a mais de um distúrbio, e pessoas diferentes com o mesmo distúrbio podem parecer, agir e se sentir de maneira muito diferente.

“As categorias de distúrbios tendem a não esculpir a natureza em suas articulações”, disse ele. “Podemos pensar mais transdiagnosticamente, e isso nos dá uma imagem um pouco mais precisa de alguns dos sintomas que as pessoas estão experimentando”.

Para este estudo, o Vize e uma equipe de pesquisadores usaram uma ferramenta de análise estatística chamada MPlus para encontrar correlações entre dados do sensor e sintomas de saúde mental relatados no início do início. Os cientistas tiveram que determinar se os dados do sensor se correlacionaram com um conjunto de dimensões amplas e baseadas em evidências: internalização, desapego, desinibição, antagonismo, distúrbio do pensamento e sintomas físicos somatoforme ou inexplicáveis.

Além das seis dimensões, eles também analisaram o que foi chamado de fator P. Este não é um comportamento ou sintoma específico, mas representa um recurso inefável e compartilhado que percorre todos os tipos de sintomas de saúde mental.

“Você pode pensar nisso como um diagrama de Venn”, disse Vize. Se todos os sintomas associados a todos os problemas de saúde mental eram círculos, o fator P é o espaço onde todos se sobrepõem. Não é um comportamento por si só. “É essencialmente o que é compartilhado em todas as dimensões”.

Os pesquisadores usaram o intensivo investigação longitudinal do Estudo de Dimensões de Diagnóstico Alternativo (Iliadd), que foi realizado em Pittsburgh na primavera de 2023. De Iliadd, analisaram os dados de 557 pessoas que preencheram as auto-avaliações e compartilharam dados de seus telefones celulares, (não limitados):

  • Dados do GPS que indicaram quanto tempo as pessoas ficaram em casa e a distância máxima que viajaram de casa
  • Tempo gasto andando, correndo e estacionário
  • Quanto tempo suas telas estavam
  • Quantas ligações eles receberam e fizeram
  • Status da bateria
  • Hora do sono

Usando um aplicativo desenvolvido por pesquisadores da Universidade de Oregon, a equipe conseguiu relacionar os dados do sensor a vários sintomas de saúde mental. Comparando as descobertas do aplicativo com questionários preenchidos pelos participantes, o Vize e a equipe determinaram que as seis dimensões dos sintomas de saúde mental, que refletem os sintomas representados entre muitos distúrbios, se correlacionaram com os dados do sensor.

Curiosamente, eles também encontraram dados de sensores correlacionados ao fator P, um marcador geral de problemas de saúde mental. As implicações dessas descobertas são várias vezes-em última análise, pode ser possível usar esse tipo de tecnologia para entender melhor os sintomas em um paciente cuja apresentação não se encaixa na categoria de nenhum distúrbio único.

Mas, por enquanto, esses dados não dizem nada sobre a saúde mental dos indivíduos; Eles lidam em médias. A saúde mental é complexa. O comportamento varia muito. “Essas análises de sensores podem descrever com mais precisão algumas pessoas do que outras”.

Essa é uma das razões pelas quais Vize não vê esse tipo de tecnologia substituindo um clínico humano. “Muito trabalho nessa área está focado em chegar ao ponto em que podemos falar: ‘Como isso potencialmente aprimora ou complementa os cuidados clínicos existentes?’

“Porque eu definitivamente acho que não pode substituir o tratamento. Seria mais uma ferramenta adicional na caixa de ferramentas do clínico”.

Share this content:

Publicar comentário