Dữ liệu từ smartphone tiết lộ các mẫu tâm lý học bệnh lý | Carla Cantor, Medscape Thông tin về di chuyển, sử dụng điện thoại, mẫu giấc ngủ-thức dậy và các dữ liệu thụ động khác được thu thập bởi smartphone có liên quan đến các dấu hiệu hành vi liên quan đến nhiều hình thức tâm lý học bệnh lý, bao gồm gánh nặng sức khỏe tâm thần chung, nghiên cứu mới cho thấy. Trong một nghiên cứu quan sát lớn trên người lớn trong cộng đồng, các nhà nghiên cứu phát hiện rằng các cảm biến trên smartphone đo lường các hoạt động hàng ngày đã ghi lại các dấu hiệu hành vi khác biệt có thể giúp xác định khi các triệu chứng sức khỏe tâm thần đang xấu đi. Những phát hiện này bổ sung vào một khối lượng công việc ngày càng tăng về phân loại số, phân tích dữ liệu thụ động được thu thập bởi smartphone và thiết bị đeo để xác định các mẫu hành vi theo thời gian thực. Mặc dù chưa sẵn sàng cho lâm sàng, các nhà nghiên cứu cho biết phân tích mới gợi ý một số ứng dụng tiềm năng cho cảm biến smartphone, có thể được sử dụng cùng với các biện pháp đánh giá của bác sĩ và tự báo cáo, cung cấp cái nhìn theo từng khoảnh khắc về trải nghiệm sống của bệnh nhân và cơ hội can thiệp kịp thời. "Nghiên cứu này giúp chúng ta hiểu được phạm vi của tâm lý học bệnh lý mà các cảm biến smartphone có thể phát hiện và mức độ cụ thể của các dấu hiệu đó đối với các hình thức bệnh tâm thần khác nhau," tác giả chính Whitney R. Ringwald, PhD, phó giáo sư và Chủ tịch Starke Hathaway trong Tâm lý học Lâm sàng tại Đại học Minnesota, Minneapolis, nói với Medscape Medical News. "Nó cung cấp một cách để đánh giá chức năng tâm lý trong cuộc sống hàng ngày và theo dõi các triệu chứng sức khỏe tâm thần liên tục hơn, đặc biệt là bên ngoài môi trường lâm sàng," cô nói thêm. Nghiên cứu được công bố trực tuyến vào ngày 3 tháng 7 trên JAMA Network Open. Liên kết dữ liệu với triệu chứng Cho đến nay, các nghiên cứu hành vi sử dụng dữ liệu smartphone thường nhỏ và tập trung vào một rối loạn duy nhất như trầm cảm hoặc tâm thần phân liệt. Nhưng cách tiếp cận đó có thể bỏ qua cách mà các triệu chứng tương tác và chồng chéo qua các ranh giới chẩn đoán, các nhà nghiên cứu cho biết. Để ghi lại một bức tranh đầy đủ hơn, Ringwald và các đồng nghiệp đã sử dụng phân loại phân cấp của tâm lý học bệnh lý, một khung tổ chức các triệu chứng sức khỏe tâm thần thành các lĩnh vực xuyên chẩn đoán. Những lĩnh vực này bao gồm nội tâm hóa, tách biệt, hình thức cơ thể, đối kháng, không kiềm chế và rối loạn tư duy. "Một trong những đóng góp lớn của nghiên cứu là các nghiên cứu trước đây chỉ xem xét một vài rối loạn trong DSM [hướng dẫn chẩn đoán và thống kê các rối loạn tâm thần]," Ringwald nói. "Chúng tôi đã có cái nhìn rộng hơn bằng cách đo lường các chiều triệu chứng trải dài hầu hết các hình thức tâm lý học bệnh lý và sử dụng một mẫu lớn hơn nhiều." Nghiên cứu cắt ngang đã tuyển dụng 557 người lớn (83% là phụ nữ; độ tuổi trung bình, 30,7 năm; 81% là người da trắng). Các tham gia viên đã hoàn thành một khảo sát sức khỏe tâm thần cơ bản, mà các nhà nghiên cứu đã sử dụng để tính toán một biện pháp tổng thể về gánh nặng triệu chứng tâm thần, gọi là p-factor. Sau đó, họ đã trải qua 15 ngày theo dõi dựa trên smartphone. Các thiết bị cá nhân của họ đã thu thập dữ liệu thông qua hệ thống định vị toàn cầu (GPS), gia tốc kế, sử dụng màn hình, nhật ký cuộc gọi và các chỉ số pin. Các nhà nghiên cứu đã trích xuất 27 dấu hiệu hành vi từ dữ liệu, chẳng hạn như thời gian ở nhà (từ dữ liệu GPS) và thời gian ngủ (từ dữ liệu gia tốc kế). Họ sau đó đã ánh xạ các dấu hiệu này với điểm số của các tham gia viên qua các lĩnh vực tâm lý học bệnh lý, đo lường sức mạnh của mối liên hệ bằng hệ số tương quan đa biến (R) giữa mỗi sáu lĩnh vực và 27 dấu hiệu. Xác định các mẫu Triệu chứng tách biệt (R, 0.42; 95% CI, 0.29-0.54) và triệu chứng hình thức cơ thể (R, 0.41; 95% CI, 0.30-0.53) cho thấy các mối liên hệ mạnh nhất. Tách biệt cao liên quan đến các dấu hiệu hành vi như giảm đi bộ, nhiều thời gian ở nhà và ít địa điểm được ghé thăm hơn. Triệu chứng hình thức cơ thể, thường bị bỏ qua trong các nghiên cứu cảm biến di động, cũng liên quan đến hoạt động thể chất thấp. Các mối liên hệ khác bao gồm mức pin thấp ở những người có sự không kiềm chế cao — mà các nhà nghiên cứu gợi ý có thể phản ánh sự thiếu hụt trong kế hoạch — và ít cuộc gọi ngắn hơn ở những người có sự đối kháng cao. Các triệu chứng nội tâm hóa có các liên kết tinh tế hơn, bao gồm các tương tác màn hình ngắn hơn và thường xuyên hơn. Các nhà nghiên cứu cũng đã tương quan các mẫu hành vi với p-factor cơ bản của các tham gia viên. Những người có điểm p-factor cơ bản cao hơn có nhiều khả năng có dữ liệu cảm biến cho thấy giảm di chuyển (β chuẩn hóa, -0.22; 95% CI, -0.32 đến -0.12), giờ đi ngủ muộn hơn (β chuẩn hóa, 0.25; 95% CI, 0.11-0.38), nhiều thời gian ở nhà hơn (β chuẩn hóa, 0.23; 95% CI, 0.14-0.32), và mức pin điện thoại thấp hơn (β chuẩn hóa, -0.16; 95% CI, -0.30 đến -0.01). Các mẫu này, các tác giả gợi ý, có thể phản ánh những suy giảm chung trong động lực, kế hoạch hoặc kiểm soát nhận thức qua nhiều hình thức bệnh tâm thần. Nếu được xác thực, các chỉ báo hành vi như vậy có thể giúp các bác sĩ nhận ra khi các triệu chứng đang gia tăng, ngay cả khi không có nhãn chẩn đoán rõ ràng. Phân loại số: Một công cụ lâm sàng khác? Mặc dù chưa sẵn sàng cho việc sử dụng lâm sàng, các phát hiện chỉ ra một số ứng dụng hứa hẹn. Nếu được tích hợp vào chăm sóc, cảm biến smartphone có thể giúp các nhà cung cấp theo dõi thụ động các triệu chứng có thể chỉ ra sự tái phát, cho phép các bác sĩ thực hiện các can thiệp kịp thời dựa trên hành vi thực tế. Điều này có thể đặc biệt có giá trị cho những bệnh nhân gặp khó khăn trong việc báo cáo sự thay đổi hoặc có hạn chế trong việc tiếp cận chăm sóc, các nhà nghiên cứu cho biết. "Đây không phải là sự thay thế cho chăm sóc lâm sàng, mà là một bổ sung tiềm năng giúp chúng ta có bức tranh phong phú hơn," Ringwald nói. Cô lưu ý rằng phân loại số có thể cuối cùng hỗ trợ các can thiệp kịp thời — ví dụ, nhắc nhở một chiến lược trị liệu ngắn khi một người cho thấy dấu hiệu rút lui hoặc rối loạn hành vi. Ringwald nhấn mạnh rằng còn nhiều bước quan trọng trước khi công nghệ này sẵn sàng được triển khai. "Đây vẫn là nghiên cứu giai đoạn đầu," cô nói. "Chúng tôi cần các mẫu lớn hơn, đa dạng hơn, hiệu chuẩn cảm biến tốt hơn và các chiến lược để diễn giải dữ liệu ở cấp độ cá nhân trước khi chúng tôi có thể tích hợp điều này vào chăm sóc." Hứa hẹn và thận trọng Trong một bài xã luận kèm theo, Christian A. Webb, PhD, và Hadar Fisher, PhD, cả hai đều thuộc Trường Y Harvard ở Boston, mô tả nghiên cứu này là "một đóng góp quan trọng cho lĩnh vực phân loại số đang phát triển." Nghiên cứu "chứng minh giá trị tiềm năng của cách tiếp cận này, liên kết các hành vi hàng ngày với các chiều triệu chứng xuyên chẩn đoán," họ viết. Họ cảnh báo, tuy nhiên, rằng dữ liệu hành vi không nên bị diễn giải quá mức. "Dữ liệu hành vi số chỉ là vậy — hành vi. Chúng là những đại diện thô cho các trạng thái tâm lý bên trong, không phải là các chỉ số trực tiếp về tâm trạng hoặc suy nghĩ," các tác giả viết. Một tín hiệu đơn lẻ có thể mang nhiều ý nghĩa khác nhau tùy thuộc vào ngữ cảnh. "Cùng một tín hiệu có thể phản ánh hoạt động thể chất mạnh mẽ, sợ hãi hoặc phấn khích." Để có thể hữu ích trong lâm sàng, họ thêm vào, công nghệ phải chính xác, có thể mở rộng và được triển khai một cách có đạo đức. Đọc thêm: