The Use of Photoplethysmography in the Assessment of Mental Health: Scoping Review (Preprint)
Notice bibliographique
Résumé
<sec> <title>BACKGROUND</title> With the rise in mental health problems globally, mobile health provides opportunities for timely medical care and accessibility. One emerging area of mobile health involves the use of photoplethysmography (PPG) to assess and monitor mental health. </sec> <sec> <title>OBJECTIVE</title> In recent years, there has been an increase in the use of PPG-based technology for mental health. Therefore, we conducted a review to understand how PPG has been evaluated to assess a range of mental health and psychological problems, including stress, depression, and anxiety. </sec> <sec> <title>METHODS</title> A scoping review was performed using PubMed and Google Scholar databases. </sec> <sec> <title>RESULTS</title> A total of 24 papers met the inclusion criteria and were included in this review. We identified studies that assessed mental health via PPG using finger- and face-based methods as well as smartphone-based methods. There was variation in study quality. PPG holds promise as a potential complementary technology for detecting changes in mental health, including depression and anxiety. However, rigorous validation is needed in diverse clinical populations to advance PPG technology in tackling mental health problems. </sec> <sec> <title>CONCLUSIONS</title> PPG holds promise for assessing mental health problems; however, more research is required before it can be widely recommended for clinical use. </sec>
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.
Comment cette classification a été obtenuedéplier
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».