Personlig depressionsbehandling som stöds av Mobile Sensor Analytics (DepWatch)

De nuvarande riktlinjerna för bästa praxis för behandling av depression kräver noggrann övervakning av patienter och regelbundet justering av behandlingen efter behov. Den här studien syftar till att utveckla och undersöka ett innovativt digitalt system, DepWatch, som utnyttjar mobila hälsoteknologier och verktyg för maskininlärning för att ge kliniker objektiv, korrekt och snabb bedömning av depressionssymptom för att hjälpa till med deras kliniska beslutsprocess. Specifikt samlar DepWatch sensorisk data passivt från smartphones och armband, utan någon användarinteraktion, och använder enkla användarvänliga gränssnitt för att samla in ekologiska momentana bedömningar (EMA), medicinvidhäftning och säkerhetsrelaterade data från patienter. De insamlade data kommer att matas till maskininlärningsmodeller som ska utvecklas i projektet för att tillhandahålla en veckovis bedömning av patientens symtomnivåer och förutsäga banan för behandlingssvar över tid. Bedömnings- och förutsägelseresultaten presenteras sedan med hjälp av ett grafiskt gränssnitt för kliniker för att hjälpa dem att fatta kritiska behandlingsbeslut. Huvudfrågan som den nuvarande kliniska prövningen syftar till att besvara är följande:

1. Genomförbarheten av det digitala verktyget DepWatch för att hjälpa kliniker i depressionsbehandling och informera deras kliniska beslutsprocess
2. Effektiviteten hos det digitala verktyget DepWatch för att förbättra depressionsbehandlingsresultat Alla studiedeltagare kommer att bära DepWatch-appen på sina smartphones och bära en Fitbit som tillhandahålls av studieteamet under studieperioden. De kommer också att fylla i korta frågeformulär via appen vid specifika tidsintervall under hela studieperioden.