Resumen

La depresión es un trastorno mental que típicamente incluye tristeza recurrente y pérdida de interés en el disfrute de los aspectos positivos de la vida, y en casos graves fatiga, causando incapacidad para realizar actividades diarias, lo que conduce a una pérdida progresiva de calidad de vida. El monitoreo de la depresión (en pacientes unipolares y bipolares) se basa en informes de métodos tradicionales de los pacientes; sin embargo, comúnmente existe sesgo, dado la interpretación de las experiencias por parte de los pacientes. Sin embargo, para superar este problema, se han propuesto y utilizado ampliamente informes de Evaluación Momentánea Ecológica (EMA, por sus siglas en inglés). Estos informes incluyen datos del comportamiento, sentimientos y otros tipos de actividades registrados casi en tiempo real utilizando diferentes tipos de dispositivos portátiles, que en la actualidad incluyen teléfonos inteligentes y otros dispositivos portátiles como relojes inteligentes. En este estudio se propone una metodología para detectar pacientes depresivos con los datos de movimiento generados por la actividad del paciente, registrados con una pulsera inteligente, obtenidos de la base de datos Depresjon. Utilizando esta señal como fuente de información, se realiza un enfoque de extracción de características de características estadísticas, en la evolución temporal y espectral de la señal. Posteriormente, se realiza una selección de características inteligente con un enfoque de algoritmo genético para reducir la cantidad de información requerida para proporcionar un diagnóstico rápido y no invasivo. Los resultados muestran que el enfoque de extracción de características puede lograr un valor de 0.734 de área bajo la curva (AUC), y después de aplicar el enfoque de selección de características, un modelo compuesto por dos características de la señal de movimiento puede lograr un AUC de 0.647. Estos resultados nos permiten concluir que utilizando la señal de actividad de una pulsera inteligente, es posible distinguir entre estados depresivos, proporcionando una herramienta preliminar y automatizada a los especialistas para el diagnóstico de la depresión casi en tiempo real.

• Materias:Comunicación inalámbrica Blockchain Comunicaciones vehiculares Enrutamiento Redes centradas
• Subjects:Wireless communication Blockchain Vehicular communications Routing Focused networks
• Palabras claves:Trastorno mental; Depresión; Ecological Momentary Assessment; Smartband; Extracción de características; Diagnóstico
• Keywords:Mental disorder; Depression; Ecological Momentary Assessment; Smartband; Feature extraction; Diagnostic