Depresjon er det ledende problemet med mental helse på høyskoler i USA. I 2015 fant en undersøkelse av mer enn 90 000 studenter ved 108 amerikanske høyskoler og universiteter at i løpet av året før hadde mer enn en tredel av dem følt seg så deprimert på et tidspunkt. at det var vanskelig å fungere. Mer enn to tredjedeler hadde følt seg håpløse det foregående studieåret.
Dagens høyskolestudenter arbeider med depresjon i en alarmerende høy hastighet, og søker i økende grad hjelp fra psykiske helsetjenester på campus. Depresjon er også en underliggende årsak til andre vanlige problemer på høyskoler, inkludert misbruk av alkohol og rusmidler, spiseforstyrrelser, selvskading, selvmord og dropp ut av skolen.
Men universitetsrådgivningssentre, de viktigste kildene for studenter for å få psykisk helsevern, sliter med å imøtekomme denne økende etterspørselen. For det første kan det ta lang tid for klinikere å få et fullstendig bilde av hva studentene opplever: Deprimerte studenters beretninger om symptomene deres er ofte unøyaktige og ufullstendige.
I tillegg betyr begrensninger i budsjettet og begrenset kontortid antallet klinikere på campus ikke har vokst, og i noen tilfeller har krympet, til tross for økende etterspørsel. Det er ganske enkelt ikke nok universitetsklinikere til å betjene alle studenter - og få, om noen, på kritiske tider som netter og helger. Antall studenter på veiledning ventelister fordoblet fra 2010 til 2012. Dette kan forlate studenter som venter i lange perioder uten hjelp. I verste fall kan dette få livslange - eller livslutt - konsekvenser.
Å bruke mobilteknologi for diagnose og behandling av psykiske lidelser, blir i dag et hett forskningsemne på grunn av mobile enheters gjennomtrengelighet og deres atferdssporingsmuligheter. Med utgangspunkt i andres arbeid har vi funnet en måte å forbedre rådgivningstjenester med mobil teknologi og big data-analyse. Det kan hjelpe studenter og klinikere ved å tilby et nytt verktøy for å vurdere depresjon som kan kaste økt lys over en tilstand som er utfordrende å studere.
Måling av trivsel
ISee-appens hovedskjerm viser aktivitetstrender. (Mi Zhang og Jingbo Meng, CC BY-ND) Vi utvikler et system for å takle denne psykiske helsekrisen på campus, kalt iSee. Når den er klar til å bli distribuert, vil studenter som deltar i programmet ha med seg en smarttelefon og et smartur. Data samlet inn av disse enhetene overføres til og analyseres av et datasystem. Dette lar de relativt få rådgiverne holde bedre oversikt over flere studenter - og utvide tjenesten til flere studenter i nød.
Smarttelefonen og smartwatch har flere innebygde sensorer:
- en GPS-sensor, for å spore geografiske steder,
- en lyssensor, for å måle omgivelseslysnivåer,
- et akselerometer, for å fange fysiske bevegelser, og
- en berøringsskjerm for å overvåke frekvensen og varigheten av brukernes interaksjoner med telefonene sine, for eksempel å surfe på sosiale medier.
Disse sensorene fanger opp mange av studentenes daglige aktiviteter som kan bidra til å indikere mental velvære, inkludert turgåing eller annen fysisk trening, sovevaner, sosialt samspill og hvor ofte de går i klassen eller lokale virksomheter - eller om de blir hjemme eller i et sovesal hele dagen.
iSee kan oppveie de iboende unøyaktighetene og ufullstendighetene i pasientenes egenrapportering av depresjonen. Det kan til og med observere symptomer studenter selv ikke legger merke til eller tenker å nevne for en rådgiver. Og fordi dataene kontinuerlig blir samlet inn, kan de identifisere øyeblikk av sårbarhet og spenst og gi et bilde av studentens fremgang over tid. Det kan hjelpe ikke bare med å overvåke, men også behandle depresjon.
Forbedring av rådgivningstjenesten
Rådgivere kan følge med på pasientene sine, uten engang å ha direkte kontakt. (Mi Zhang og Jingbo Meng, CC BY-ND) Arbeidet vårt bygger på algoritmene vi har designet som analyserer data om mobilenheter for å oppdage depresjon. I en studie fra 2015 viste vi at alvorlighetsgraden av en persons depresjon kan spås ved å overvåke GPS-plasseringene deres og hvor ofte de bruker telefonene sine: Personer med mer alvorlige depresjonssymptomer hadde en tendens til å bevege seg fra sted til sted mindre og bo hjemme mer enn personer med færre depresjonssymptomer - eller ingen i det hele tatt. Bevegelsene til mer alvorlig deprimerte hadde en tendens til å være mindre regelmessige, og hadde større sannsynlighet for å bruke telefonene sine ofte og for lengre varighet. For iSee vil vi inkorporere data fra de andre sensorene, og oversette råmålingene til modeller for hvordan studentene oppfører seg.
Da vil iSee se etter atferdsmønstre som kan relatere til psykiske helseproblemer - for eksempel å være hjemme hele tiden eller få uregelmessig søvn. Ved å dele denne informasjonen med både pasienten og rådgiveren, vil iSee bidra til å bedre beskrive og mer nøyaktig skildre alvorlighetsgraden av individets symptomer.
En psykisk helsevernrådgiver kan se når en elevs oppførsel antyder en endring i depresjonen deres. (Mi Zhang og Jingbo Meng, CC BY-ND) Behandling av depresjon
I tillegg kan iSee føle i sanntid når en elevs oppførsel matcher visse symptomer på depresjon - for eksempel å være sosialt isolert i tre dager. Hvis det skjer, kan appen automatisk levere øyeblikkelige behandlinger for å hjelpe, uten å stole på at pasienten, eller til og med klinikeren, skal sette i gang. Hvis for eksempel iSee legger merke til at en sosialt isolert person er alene hjemme på en solrik lørdag ettermiddag, kan det antyde å ringe noen venner eller gå ut på tur.
Det er nøyaktig den slags forslag en rådgiver vil komme med. Dessverre kan rådgivere bare komme med forslagene i ettertid under terapitimer. Smarttelefonen kan gi den hjelpen i øyeblikket når hjelp er nødvendig.
Ved å finne måter de mange sensorene på smarttelefoner og smartklokker kan belyse menneskers hverdag og vaner, og ved å analysere disse dataene på måter som fremhever potensielle psykiske helseproblemer, kan vi hjelpe studenter med å holde seg sunnere og redusere arbeidsmengden for overbelastede fagpersoner hos samme tid.
Denne artikkelen ble opprinnelig publisert på The Conversation. Les den opprinnelige artikkelen.
Mi Zhang er adjunkt i elektroteknikk og datateknikk ved Michigan State University.
David Mohr er direktør ved Senter for atferdsintervensjonsteknologier (CBITs) professor i forebyggende medisin (atferdsmedisin), medisinske samfunnsvitenskap og psykiatri og atferdsvitenskap ved Northwestern University.
Jingbo Meng er adjunkt i kommunikasjon ved Michigan State University.
