Personlig depressionsbehandling understøttet af Mobile Sensor Analytics (DepWatch)

De nuværende retningslinjer for bedste praksis for behandling af depression kræver tæt monitorering af patienter og periodisk justering af behandlingen efter behov. Denne undersøgelse søger at udvikle og undersøge et innovativt digitalt system, DepWatch, der udnytter mobile sundhedsteknologier og maskinlæringsværktøjer til at give klinikere objektiv, nøjagtig og rettidig vurdering af depressionssymptomer for at hjælpe med deres kliniske beslutningsproces. Specifikt indsamler DepWatch sensoriske data passivt fra smartphones og armbånd, uden nogen brugerinteraktion, og bruger enkle brugervenlige grænseflader til at indsamle økologiske momentane vurderinger (EMA), medicinoverholdelse og sikkerhedsrelaterede data fra patienter. De indsamlede data vil blive ført til maskinlæringsmodeller, der skal udvikles i projektet for at give ugentlig vurdering af patientens symptomniveauer og forudsige forløbet for behandlingsrespons over tid. Vurderings- og forudsigelsesresultaterne præsenteres derefter ved hjælp af en grafisk grænseflade til klinikere for at hjælpe dem med at træffe kritiske behandlingsbeslutninger. Hovedspørgsmålet, som det nuværende kliniske forsøg sigter mod at besvare, er som følger:

1. Gennemførligheden af ​​det digitale værktøj, DepWatch, til at hjælpe klinikere i depressionsbehandling og informere deres kliniske beslutningsproces
2. Effektiviteten af ​​det digitale værktøj, DepWatch, til at forbedre depressionsbehandlingsresultater Alle undersøgelsesdeltagere vil bære DepWatch-appen på deres smartphones og bære en Fitbit leveret af undersøgelsesholdet i løbet af undersøgelsesperioden. De vil også udfylde korte spørgeskemaer via appen med bestemte tidsintervaller gennem hele undersøgelsesperioden.