Data Smartphone Ungkap Pola Psikopatologi | Carla Cantor, Medscape Informasi tentang mobilitas, penggunaan ponsel, pola tidur-bangun, dan data pasif lainnya yang dikumpulkan oleh smartphone dikaitkan dengan penanda perilaku yang terkait dengan berbagai bentuk psikopatologi, termasuk beban kesehatan mental umum, penelitian baru menunjukkan. Dalam sebuah studi observasional besar terhadap orang dewasa berbasis komunitas, para peneliti menemukan bahwa sensor smartphone yang mengukur aktivitas sehari-hari menangkap tanda tangan perilaku yang berbeda yang dapat membantu mengidentifikasi kapan gejala kesehatan mental memburuk. Temuan ini menambah banyak pekerjaan tentang fenotipe digital, yang menganalisis data pasif yang dikumpulkan oleh smartphone dan perangkat yang dapat dikenakan untuk mengidentifikasi pola perilaku secara real time. Meskipun belum siap untuk klinik, para peneliti mengatakan analisis baru menunjukkan sejumlah aplikasi potensial untuk penginderaan smartphone, yang dapat digunakan bersama dengan langkah-langkah yang dinilai dokter dan dilaporkan sendiri, menawarkan wawasan momen demi momen tentang pengalaman hidup pasien dan kesempatan untuk intervensi tepat waktu. "Studi ini membantu kami memahami luasnya psikopatologi yang dapat dideteksi oleh sensor smartphone dan seberapa spesifik penanda tersebut untuk berbagai bentuk penyakit mental," kata penulis utama Whitney R. Ringwald, PhD, asisten profesor dan Starke Hathaway Endowed Chair dalam Psikologi Klinis di University of Minnesota, Minneapolis, kepada Medscape Medical News. "Ini menawarkan cara untuk menilai fungsi psikologis dalam kehidupan sehari-hari dan memantau gejala kesehatan mental secara lebih berkelanjutan, terutama di luar pengaturan klinik," tambahnya. Studi ini diterbitkan secara online pada 3 Juli di JAMA Network Open. Menautkan Data ke Gejala Hingga saat ini, studi perilaku yang menggunakan data smartphone biasanya kecil dan berfokus pada gangguan tunggal seperti depresi atau skizofrenia. Tetapi pendekatan itu mungkin mengabaikan bagaimana gejala berinteraksi dan tumpang tindih melintasi batas diagnostik, kata para peneliti. Untuk menangkap gambaran yang lebih lengkap, Ringwald dan rekannya menggunakan taksonomi hierarkis psikopatologi, sebuah kerangka kerja yang mengatur gejala kesehatan mental ke dalam domain transdiagnostik. Ini termasuk internalisasi, detasemen, somatoform, antagonisme, disinhibisi, dan gangguan pikiran. "Salah satu kontribusi utama dari penelitian ini adalah bahwa penelitian sebelumnya hanya melihat beberapa gangguan DSM [manual diagnostik dan statistik gangguan mental]," kata Ringwald. "Kami mengambil pandangan yang lebih luas dengan mengukur dimensi gejala yang mencakup sebagian besar bentuk psikopatologi dan menggunakan sampel yang jauh lebih besar." Studi cross-sectional mendaftarkan 557 orang dewasa (83% wanita; usia rata-rata, 30,7 tahun; 81% individu kulit putih). Peserta menyelesaikan survei kesehatan mental dasar, yang digunakan peneliti untuk menghitung ukuran umum beban gejala psikiatri secara keseluruhan, yang disebut faktor-p. Mereka kemudian menjalani pemantauan berbasis smartphone selama 15 hari. Perangkat pribadi mereka mengumpulkan data melalui sistem pemosisian global (GPS), akselerometer, penggunaan layar, log panggilan, dan metrik baterai. Para peneliti mengekstrak 27 penanda perilaku dari data, seperti waktu yang dihabiskan di rumah (dari data GPS) dan durasi tidur (dari data akselerometer). Mereka kemudian memetakan penanda ini ke skor peserta di seluruh domain psikopatologi, mengukur kekuatan asosiasi dengan koefisien korelasi ganda (R) antara masing-masing dari enam domain dan 27 penanda. Mengidentifikasi Pola Gejala detasemen (R, 0,42; 95% CI, 0,29-0,54) dan somatoform (R, 0,41; 95% CI, 0,30-0,53) menunjukkan hubungan terkuat. Detasemen yang tinggi dikaitkan dengan penanda perilaku seperti berkurangnya berjalan, lebih banyak waktu di rumah, dan lebih sedikit lokasi yang dikunjungi. Gejala somatoform, yang sering diabaikan dalam studi penginderaan seluler, juga terkait dengan aktivitas fisik yang rendah. Asosiasi lain termasuk pengisian daya baterai rendah pada individu dengan disinhibisi tinggi - yang menurut para peneliti mungkin mencerminkan defisit perencanaan - dan lebih sedikit panggilan telepon yang lebih pendek di antara mereka yang memiliki antagonisme tinggi. Gejala internalisasi memiliki hubungan yang lebih halus, termasuk interaksi layar yang lebih singkat dan lebih sering. Para peneliti juga menghubungkan pola perilaku dengan faktor p dasar peserta. Mereka yang memiliki skor p-factor dasar yang lebih tinggi lebih mungkin memiliki data sensor yang mengungkapkan mobilitas berkurang (β standar, -0,22; CI 95%, -0,32 hingga -0,12), waktu tidur lebih lambat (β standar, 0,25; CI 95%, 0,11-0,38), lebih banyak waktu yang dihabiskan di rumah (β standar, 0,23; CI 95%, 0,14-0,32), dan tingkat baterai ponsel yang lebih rendah (β standar, -0,16; CI 95%, -0,30 hingga -0,01). Pola-pola ini, penulis menyarankan, dapat mencerminkan gangguan bersama dalam motivasi, perencanaan, atau kontrol kognitif di berbagai bentuk penyakit mental. Jika divalidasi, indikator perilaku semacam itu dapat membantu dokter mengenali kapan gejala meningkat, bahkan tanpa label diagnostik yang jelas. Fenotipe Digital: Alat Klinis Lain? Meskipun belum siap untuk penggunaan klinis, temuan ini menunjukkan beberapa aplikasi yang menjanjikan. Jika diintegrasikan ke dalam perawatan, penginderaan ponsel cerdas dapat membantu penyedia secara pasif melacak gejala yang dapat mengindikasikan kekambuhan, memungkinkan dokter untuk memberikan intervensi tepat waktu berdasarkan perilaku dunia nyata. Ini bisa sangat berharga bagi pasien yang kesulitan melaporkan perubahan atau memiliki akses terbatas ke perawatan, kata para peneliti. "Ini bukan pengganti perawatan klinis, tetapi pelengkap potensial yang memberi kita gambaran yang lebih kaya," kata Ringwald. Dia mencatat bahwa fenotipe digital pada akhirnya dapat mendukung intervensi tepat waktu - misalnya, mendorong strategi terapeutik singkat ketika seseorang menunjukkan tanda-tanda penarikan atau gangguan perilaku. Ringwald menekankan bahwa langkah-langkah penting tetap ada sebelum teknologi siap diterapkan. "Ini masih penelitian tahap awal," katanya. "Kami membutuhkan sampel yang lebih besar dan lebih beragam, kalibrasi sensor yang lebih baik, dan strategi untuk menafsirkan data di tingkat individu sebelum kami dapat mengintegrasikannya ke dalam perawatan." Janji dan Tindakan Pencegahan Dalam editorial yang menyertainya, Christian A. Webb, PhD, dan Hadar Fisher, PhD, keduanya dari Harvard Medical School di Boston, menggambarkan penelitian ini sebagai "kontribusi penting bagi bidang fenotipe digital yang sedang berkembang." Penelitian ini "menunjukkan nilai potensial dari pendekatan ini, menghubungkan perilaku sehari-hari dengan dimensi gejala transdiagnostik," tulis mereka. Namun, mereka memperingatkan bahwa data perilaku tidak boleh ditafsirkan secara berlebihan. "Data perilaku digital hanya itu - perilaku. Mereka adalah proksi kasar untuk keadaan mental internal, bukan pembacaan langsung dari suasana hati atau pemikiran," tulis para penulis. Satu sinyal dapat membawa arti yang berbeda tergantung pada konteksnya. "Sinyal yang sama dapat mencerminkan aktivitas fisik yang intens, ketakutan, atau kegembiraan." Agar berguna secara klinis, mereka menambahkan, teknologi harus akurat, terukur, dan diterapkan secara etis. Baca lebih lanjut: