Please use this identifier to cite or link to this item: http://dx.doi.org/10.23668/psycharchives.2743
Title: Validierung und Mehrwert passiver Smartphone-Daten für die Vorhersage und das bevölkerungsbezogene Monitoring psychischer Gesundheit
Authors: Edler, Johanna-Sophie
Cohrdes, Caroline
Issue Date: 29-Jan-2020
Publisher: ZPID (Leibniz Institute for Psychology Information)
Abstract: Die Erhebung psychischer Gesundheit ist in bevölkerungsbezogenen epidemiologischen Studien mit einigen Herausforderungen verbunden. Dazu gehören mögliche Verzerrungen in der Selbstauskunft von Symptomen aufgrund von sozialer Erwünschtheit, Angst vor Fremdstigmatisierung, Unterschiede in der Fähigkeit zur Selbstreflexion oder von gesundheitsbezogenem Wissen. In der experimentellen Forschung hat sich daher zunehmend die zusätzliche Berücksichtigung von Verhaltensdaten etabliert, um verbesserte Vorhersagen über sensible Konstrukte wie die psychische Gesundheit tätigen zu können. Auch für das bevölkerungsrepräsentative Gesundheitsmonitoring werden aktuell Möglichkeiten der Berücksichtigung von Verhaltensdaten im Alltag von Personen über verschiedene Datenerhebungsmethoden diskutiert. Aufbauend auf diesen Überlegungen hat dieses Forschungsprojekt zum Ziel, die Validität und den Mehrwert von Smartphone Sensor- und Nutzungsdaten (z.B. Akzelerometrie, Kommunikationsdienste) als verhaltensbasierte Prädiktoren für die Vorhersage und das Monitoring psychischer Gesundheit sowie für die Diagnostik psychischer Störungen zu prüfen. Darüber hinaus sollen individuelle und wissenschaftliche Risiken sowie Konsequenzen hinsichtlich ethisch-rechtlicher Aspekte (z.B. Sicherheit, Verantwortung) kritisch diskutiert und zu einem handlungsleitenden Konzept ausgearbeitet werden. In einer Stichprobe von N=1100 jungen Erwachsenen (Alter 18-30 Jahre) sollen daher über einen Zeitraum von 2 Wochen hinweg kontinuierlich Verhaltensdaten über Smartphones erhoben und mit Selbstauskünften zur psychischen Gesundheit in Beziehung gesetzt werden. Aufgrund der Menge an unterschiedlichen Sensor- und Nutzungsdaten eignen sich herkömmliche Verfahren wie multivariate Regressionen mit ihrem begrenzten Fassungsvermögen unabhängiger Variablen nicht und es werden Methoden des maschinellen Lernens angewandt (z.B. Elastic Net Regression mittels k-fold Cross-Validation). Auf dieser umfassenden Datengrundlage aufbauend bilden die erwarteten Ergebnisse den Ausgangspunkt für höhere Präzision in der Identifikation von Hochrisikogruppen, der Schwere und den Folgen von psychischen Problemen. Das Smartphone offeriert darüber hinaus die Perspektive, Symptomveränderungen zu beobachten und Präventionsangebote gezielt adressieren zu können. Perspektivisch könnte basierend auf den Ergebnissen dieser Validierungsstudie ein nationales Frühwarnsystems für psychische Probleme etabliert werden, um Public Health Maßnahmen evidenz-basiert und gezielt zu adressieren und eine kontinuierliche Begleitung z.B. für die ambulante Versorgung zu ermöglichen.
URI: https://hdl.handle.net/20.500.12034/2357
https://doi.org/10.23668/psycharchives.2743
Appears in Collections:Conference Object

Files in This Item:
File Description SizeFormat 
Vortrag_RKI_2020_01_29.pdf2,93 MBAdobe PDF Preview PDF Download


This item is licensed under a Creative Commons License Creative Commons