La Viabilidad de Implementar Tecnologías de Medición Remota en el Tratamiento Psicológico para la Depresión

Autor/autores: de Angel V , Adeleye F , Zhang Y...(et.al)

Las tecnologías de medición remota (RMT), como los teléfonos inteligentes y los dispositivos portátiles, pueden ayudar a mejorar el tratamiento de la depresión al proporcionar información objetiva, continua y ecológicamente válida sobre el estado de ánimo y el comportamiento. El compromiso con los RMT es variado y depende en gran medid...

Estás viendo una versión reducida de este contenido.

Para consultar la información completa debes registrarte gratuitamente.
Tan sólo te llevará unos segundos.
Y si ya estás registrado inicia sesión pulsando aquí.

Las tecnologías de medición remota (RMT), como los teléfonos inteligentes y los dispositivos portátiles, pueden ayudar a mejorar el tratamiento de la depresión al proporcionar información objetiva, continua y ecológicamente válida sobre el estado de ánimo y el comportamiento. El compromiso con los RMT es variado y depende en gran medida del contexto; sin embargo, pocos estudios han investigado su factibilidad en el contexto del tratamiento.

Objetivo

Se utilizó un diseño de métodos mixtos para evaluar el compromiso con la recopilación de datos activa y pasiva a través de RMT en personas con depresión que reciben psicoterapia. Evaluamos los efectos del tratamiento en 2 tipos diferentes de compromiso: abandono del estudio (compromiso con el protocolo del estudio) y patrones de datos faltantes (compromiso con dispositivos digitales), que denominamos disponibilidad de datos. Se realizaron entrevistas cualitativas para ayudar a interpretar las diferencias en el compromiso.

Métodos

Un total de 66 personas en tratamiento psicológico por depresión fueron seguidas durante 7 meses. Los datos activos se recopilaron a partir de cuestionarios semanales y tareas cognitivas y del habla, y los datos pasivos se recopilaron a partir de sensores de teléfonos inteligentes y un dispositivo portátil Fitbit (Fitbit Inc).

Resultados

La tasa de retención global fue del 60%. El tratamiento de mayor intensidad ( χ 2 1 =4, 6; P = 0, 03) y la ansiedad inicial más alta ( t 56, 28 = −2, 80, 2 colas; P = 0, 007) se asociaron con la deserción, pero la gravedad de la depresión no ( t 50, 4 = −0, 18; p = 0, 86). Se encontró una tendencia hacia la significación para la asociación entre tratamientos más largos y mayor deserción ( U = 339, 5; P=. 05).

Inicialmente, la disponibilidad de datos fue mayor para los datos activos que para los datos pasivos, pero se redujo a un ritmo más pronunciado (90 %-30 % de caída en 7 meses). En cuanto a los datos pasivos, la disponibilidad de datos portátiles cayó de un máximo del 80 % al 45 % a los 7 meses, pero mostró una mayor disponibilidad general de datos que los datos basados en teléfonos inteligentes, que se mantuvieron estables en un rango de 20 % a 40 % durante todo el proceso.

Los datos faltantes fueron más frecuentes entre los datos de ubicación GPS, seguidos por los datos de Bluetooth y luego entre los datos de acelerometría. En cuanto a los datos activos, las tareas cognitivas y del habla tuvieron tasas de finalización más bajas que los cuestionarios clínicos. Los participantes en tratamiento proporcionaron menos datos de Fitbit pero más datos activos que los que estaban en lista de espera.

Conclusiones

Diferentes flujos de datos mostraron patrones variados de datos faltantes, a pesar de haber sido recopilados desde el mismo dispositivo. Los tratamientos más prolongados y complejos y las características clínicas, como una mayor ansiedad inicial, pueden reducir el compromiso a largo plazo con las RMT, y diferentes dispositivos pueden mostrar patrones opuestos de ausencia durante el tratamiento.

Esto tiene implicaciones para la escalabilidad y la adopción de RMT en entornos de atención médica, la generalización y precisión de los datos recopilados por estos métodos, la construcción de características y la idoneidad del uso de RMT a largo plazo.

Para acceder al texto completo consulte las características de suscripción de la fuente original:https://mental.jmir.org/