Machine Learning-baseret klassificering af symptomklynger og online CBT

For at bryde igennem den identificerede flaskehals vil vi gennemføre en tværsnitsundersøgelse for at udvikle en symptomklyngemodel for depression og angst. En bred vifte af statistiske metoder såvel som maskinlæringstilgange blev undersøgt, og en sammenhængende hierarkisk klyngealgoritme vil blive brugt. Efter udvikling af modellen vil der blive formuleret et symptom-matchet interventionsprogram baseret på problemløsningsterapi. Det er meningen, at vi skal undersøge, om dets brug til personalisering af symptommatchet psykologisk behandling kan føre til forbedrede patientresultater sammenlignet med sædvanlig pleje. Dette projekt forventes at give en ny og præcis metode til følelseshåndtering, som vil give et standardiseret interventionsforløb, der kombinerer screening med behandling til håndtering af depressionssymptomer og angstsymptomer. En præcis intervention, der er afstemt efter individuelle symptomer, kan give vigtig indsigt i at forbedre patientresultatet såvel som en standardiseret stemningsstyringsvej målrettet mod tidlig opdagelse og intervention for beboere i lokalsamfundet.