Les données des smartphones révèlent des schémas de psychopathologie | Carla Cantor, Medscape Les informations sur la mobilité, l'utilisation du téléphone, les schémas de sommeil-éveil et d'autres données passives collectées par les smartphones sont associées à des marqueurs comportementaux liés à plusieurs formes de psychopathologie, y compris le fardeau général de la santé mentale, a montré une nouvelle recherche. Dans une grande étude d'observation menée auprès d'adultes de la communauté, les chercheurs ont découvert que les capteurs de smartphone mesurant les activités quotidiennes capturaient des signatures comportementales distinctes qui pourraient aider à identifier quand les symptômes de santé mentale s'aggravent. Les résultats s'ajoutent à un corpus croissant de travaux sur le phénotypage numérique, qui analyse les données passives collectées par les smartphones et les dispositifs portables pour identifier les schémas comportementaux en temps réel. Bien que cela ne soit pas encore prêt pour la clinique, les chercheurs ont déclaré que la nouvelle analyse suggère un certain nombre d'applications potentielles pour la détection par smartphone, qui pourraient être utilisées en complément des mesures évaluées par des cliniciens et auto-rapportées, offrant un aperçu moment par moment de l'expérience vécue des patients et une opportunité d'intervention rapide. "Cette étude nous aide à comprendre l'étendue de la psychopathologie que les capteurs de smartphone peuvent détecter et à quel point ces marqueurs sont spécifiques à différentes formes de maladie mentale," a déclaré la première auteure Whitney R. Ringwald, PhD, professeure adjointe et titulaire de la chaire Starke Hathaway en psychologie clinique à l'Université du Minnesota, Minneapolis, à Medscape Medical News. "Elle offre un moyen d'évaluer le fonctionnement psychologique dans la vie quotidienne et de surveiller les symptômes de santé mentale de manière plus continue, surtout en dehors du cadre clinique," a-t-elle ajouté. L'étude a été publiée en ligne le 3 juillet dans JAMA Network Open. Lier les données aux symptômes Jusqu'à présent, les études comportementales utilisant des données de smartphone étaient généralement petites et se concentraient sur un seul trouble comme la dépression ou la schizophrénie. Mais cette approche peut négliger comment les symptômes interagissent et se chevauchent au-delà des frontières diagnostiques, ont déclaré les chercheurs. Pour capturer une image plus complète, Ringwald et ses collègues ont utilisé la taxonomie hiérarchique de la psychopathologie, un cadre qui organise les symptômes de santé mentale en domaines transdiagnostiques. Ceux-ci incluent l'internalisation, le détachement, le somatoforme, l'antagonisme, la désinhibition et le trouble de la pensée. "Une des principales contributions de l'étude est que les recherches antérieures n'ont examiné que quelques troubles du DSM [manuel diagnostique et statistique des troubles mentaux]," a déclaré Ringwald. "Nous avons adopté une vue plus large en mesurant des dimensions de symptômes qui couvrent la plupart des formes de psychopathologie et en utilisant un échantillon beaucoup plus large." L'étude transversale a recruté 557 adultes (83 % de femmes ; âge moyen, 30,7 ans ; 81 % d'individus blancs). Les participants ont complété une enquête de santé mentale de base, que les enquêteurs ont utilisée pour calculer une mesure générale du fardeau symptomatique psychiatrique global, appelée p-factor. Ils ont ensuite subi 15 jours de surveillance basée sur smartphone. Leurs appareils personnels ont collecté des données via le système de positionnement global (GPS), l'accéléromètre, l'utilisation de l'écran, les journaux d'appels et les métriques de batterie. Les chercheurs ont extrait 27 marqueurs comportementaux des données, tels que le temps passé à la maison (à partir des données GPS) et la durée du sommeil (à partir des données de l'accéléromètre). Ils ont ensuite cartographié ces marqueurs aux scores des participants dans les domaines de la psychopathologie, mesurant la force de l'association par le coefficient de corrélation multiple (R) entre chacun des six domaines et les 27 marqueurs. Identifier des schémas Les symptômes de détachement (R, 0,42 ; IC à 95 %, 0,29-0,54) et somatoforme (R, 0,41 ; IC à 95 %, 0,30-0,53) ont montré les associations les plus fortes. Un fort détachement était lié à des marqueurs comportementaux tels qu'une réduction de la marche, plus de temps passé à la maison et moins de lieux visités. Les symptômes somatoformes, souvent négligés dans les études de détection mobile, étaient également liés à une faible activité physique. D'autres associations comprenaient une faible charge de batterie chez les individus avec une forte désinhibition — ce que les chercheurs suggèrent pourrait refléter des déficits de planification — et moins d'appels téléphoniques, plus courts, parmi ceux avec un antagonisme élevé. Les symptômes d'internalisation avaient des liens plus subtils, y compris des interactions d'écran plus brèves et plus fréquentes. Les chercheurs ont également corrélé les schémas comportementaux avec le p-factor de base des participants. Ceux ayant des scores de p-factor de base plus élevés étaient plus susceptibles d'avoir des données de capteur révélant une mobilité réduite (β standardisé, -0,22 ; IC à 95 %, -0,32 à -0,12), des heures de coucher plus tardives (β standardisé, 0,25 ; IC à 95 %, 0,11-0,38), plus de temps passé à la maison (β standardisé, 0,23 ; IC à 95 %, 0,14-0,32) et des niveaux de batterie de téléphone plus bas (β standardisé, -0,16 ; IC à 95 %, -0,30 à -0,01). Ces schémas, suggèrent les auteurs, pourraient refléter des déficits partagés dans la motivation, la planification ou le contrôle cognitif à travers plusieurs formes de maladie mentale. Si validés, de tels indicateurs comportementaux pourraient aider les cliniciens à reconnaître quand les symptômes s'aggravent, même en l'absence d'une étiquette diagnostique claire. Phénotypage numérique : un autre outil clinique ? Bien que cela ne soit pas encore prêt pour un usage clinique, les résultats pointent vers plusieurs applications prometteuses. S'ils sont intégrés dans les soins, la détection par smartphone pourrait aider les prestataires à suivre passivement les symptômes qui pourraient indiquer une rechute, permettant aux cliniciens de fournir des interventions rapides basées sur le comportement réel. Cela pourrait être particulièrement précieux pour les patients qui ont du mal à signaler des changements ou qui ont un accès limité aux soins, ont déclaré les chercheurs. "Ce n'est pas un remplacement des soins cliniques, mais un complément potentiel qui nous donne une image plus riche," a déclaré Ringwald. Elle a noté que le phénotypage numérique pourrait éventuellement soutenir des interventions just-in-time — par exemple, en suggérant une brève stratégie thérapeutique lorsqu'une personne montre des signes de retrait ou de perturbation comportementale. Ringwald a souligné qu'il reste des étapes importantes avant que la technologie ne soit prête à être mise en œuvre. "C'est encore une recherche à un stade précoce," a-t-elle déclaré. "Nous avons besoin d'échantillons plus grands et plus diversifiés, d'une meilleure calibration des capteurs et de stratégies pour interpréter les données au niveau individuel avant de pouvoir intégrer cela dans les soins." Promesse et précautions Dans un éditorial accompagnant, Christian A. Webb, PhD, et Hadar Fisher, PhD, tous deux de la Harvard Medical School à Boston, ont décrit l'étude comme "une contribution importante au domaine croissant du phénotypage numérique." La recherche "démontre la valeur potentielle de cette approche, liant les comportements quotidiens aux dimensions symptomatiques transdiagnostiques," ont-ils écrit. Ils ont cependant averti que les données comportementales ne devraient pas être surinterprétées. "Les données comportementales numériques ne sont que cela — comportementales. Ce sont des proxys approximatifs pour des états mentaux internes, pas des lectures directes de l'humeur ou de la pensée," ont écrit les auteurs. Un seul signal pourrait avoir des significations différentes selon le contexte. "Le même signal pourrait refléter une activité physique intense, de la peur ou de l'excitation." Pour être cliniquement utiles, ont-ils ajouté, la technologie doit être précise, évolutive et mise en œuvre de manière éthique. Lire la suite :