Mobile Phone and Wearable Sensor-Based mHealth Approaches for Psychiatric Disorders and Symptoms: Systematic Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Mobile Therapeutic Attention for Patients with Treatment-Resistant Schizophrenia (m-RESIST) is an EU Horizon 2020-funded project aimed at designing and validating an innovative therapeutic program for treatment-resistant schizophrenia. The program exploits information from mobile phones and wearable sensors for behavioral tracking to support intervention administration. OBJECTIVE: To systematically review original studies on sensor-based mHealth apps aimed at uncovering associations between sensor data and symptoms of psychiatric disorders in order to support the m-RESIST approach to assess effectiveness of behavioral monitoring in therapy. METHODS: A systematic review of the English-language literature, according to the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines, was performed through Scopus, PubMed, Web of Science, and the Cochrane Central Register of Controlled Trials databases. Studies published between September 1, 2009, and September 30, 2018, were selected. Boolean search operators with an iterative combination of search terms were applied. RESULTS: Studies reporting quantitative information on data collected from mobile use and/or wearable sensors, and where that information was associated with clinical outcomes, were included. A total of 35 studies were identified; most of them investigated bipolar disorders, depression, depression symptoms, stress, and symptoms of stress, while only a few studies addressed persons with schizophrenia. The data from sensors were associated with symptoms of schizophrenia, bipolar disorders, and depression. CONCLUSIONS: Although the data from sensors demonstrated an association with the symptoms of schizophrenia, bipolar disorders, and depression, their usability in clinical settings to support therapeutic intervention is not yet fully assessed and needs to be scrutinized more thoroughly.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle