AkzeXible Sprachbasiertes Screening auf Depression und Angst bei Universitätsstudenten (BUAP, Mexiko)

Die schwere depressive Störung (MDD) und Angstzustände sind in der studentischen Bevölkerung zunehmend verbreitet, doch die Früherkennung bleibt von psychometrischen Instrumenten abhängig, die an diagnostische Kriterien gebunden sind (z.B. PHQ-9, GAD). Neue Erkenntnisse deuten darauf hin, dass die Depression sowohl die akustischen Eigenschaften als auch den Inhalt der Sprache beeinflusst, was die Sprachanalyse zu einem vielversprechenden Kandidaten als digitaler Biomarker für die Früherkennung macht.

Diese Studie evaluiert die Validität von acceXible, einer sprachbasierten Machine-Learning-Plattform, zur Erkennung und Überwachung von Depressionen und Angstzuständen in der Studentenbevölkerung der Benemérita Universidad Autónoma de Puebla (BUAP), Mexiko. AcceXible erfasst spontane Sprache durch offene Interviewaufgaben und wendet automatisierte akustische und linguistische Analysen an.

Das primäre Ziel ist es, die Validität des acceXible-Systems zur Analyse spontaner Sprache für das Screening auf Depressionen und Angstzustände zu bewerten, gemessen an den PHQ- und GAD-Skalen als Referenzstandards. Sekundäre Ziele umfassen die Untersuchung der Zusammenhänge zwischen sprachabgeleiteten Variablen und anderen Studienmaßnahmen, die Bewertung des Engagements der Teilnehmer mit digitalen psychischen Gesundheitsressourcen, die Beurteilung der Benutzerzufriedenheit mit der Plattform und die Analyse von Längsschnittveränderungen der Werte während der Nachuntersuchungen.