Acquisitie en analyse van relaties tussen longitudinale emotionele signalen geproduceerd door een algoritme voor kunstmatige intelligentie en zelfvragenlijsten die worden gebruikt bij de psychiatrische follow-up van patiënten met stemmings- en / of angststoornissen: een real-environment-onderzoek. (EMOACQ-1)

De wereldwijde prevalentie van angst en depressie nam tijdens de pandemie enorm toe, met een stijging van 25% van het aantal patiënten dat aan psychische problemen leed. Psychiaters, en vooral huisartsen, hebben behoefte aan meetinstrumenten waarmee ze op afstand de psychische gezondheidstoestand van hun patiënten kunnen monitoren en automatisch kunnen worden gewaarschuwd bij gedragsstoornis.

In deze studie stellen we voor om klinische gegevens te verzamelen samen met longitudinale metingen van de emoties van patiënten. Emobot stelt voor om de evolutie van stemmingsstoornissen in de loop van de tijd te analyseren door passief het emotionele gedrag van mensen te bestuderen. Het doel van EMOACQ-1 is om kennis te verwerven en een kwantitatief verband te leggen tussen emotionele expressie en stemmingsstoornissen, om uiteindelijk het begrip en de behandeling van deze stoornissen te vergemakkelijken.

Door middel van deze studie zou een technologische oplossing kunnen worden ontwikkeld om zorgprofessionals en patiënten in de psychiatrie te ondersteunen, een veld dat bekend staat als de "arme familie van de geneeskunde" en waarvoor onvoldoende middelen beschikbaar zijn. Een dergelijke oplossing zou een beter begrip, stoornissen op afstand en continue monitoring en uiteindelijk een betere behandeling van deze stoornissen mogelijk maken.

We zullen de gegevens verwerken door een aantal analyses uit te voeren, waaronder beschrijvende, vergelijkende en correlatieanalyses van de gegevens van de resultaten van de zelfvragenlijst en de emotionele signalen die door de apparaten worden opgevangen.

Ten slotte zal het doel zijn om vragenlijstscores te voorspellen op basis van de geproduceerde emotionele signalen.