Dissertação

{en_GB=Technological Tools to Aid in the Diagnosis of Depression} {} CONFIRMED

{pt=A depressão é uma doença mental séria que afeta mais de 300 milhões de pessoas pelo mundo. O diagnóstico é feito através de métodos subjectivos baseados em observações clínicas por um psiquiatra. Para ajudar no diagnóstico desenvolveu-se uma aplicação móvel e um dispositivo eletrónico que recolhe dados de movimento em testes simles. Através da aplicação, os doentes podem submeter informação sobre sintomas depressivos e o dispositivo pretende avaliar o efeito de sintomas de depressão na latência psicomotora, um dos sinais desta doença. A aplicação móvel foi usada com sucesso num pequeno ensaio clínico. Os dados foram analisados com uma perspetiva estatística, onde a série temporal da magnitude da aceleração é descrita por uma mistura de distribuições de Maxwell. Também se usa um modelo autorregressivo e os seus coeficients são usados para treinar uma maquina de suporte de vetores. Os resultados das estatísticas de primeira ordem mostram diferençass significativas nas aceleração média e velocidade angular de escrita e também nos tempos de reação. Os conjuntos de dados também mostram diferença nos parâmetros de mistura. O classificador foi validado usando leave-one-out crossvalidation, resultando em 95.8% classificações corretas., en=Depression is a serious mental health condition which affects over 300 million people worldwide. Diagnosis is achieved through subjective methods based on clinical observations by a psychiatrist. To aid in its diagnosis a mobile application and an electronic device which gathers movement data from small tests were developed. With the application, patients can submit information pertaining to depressive symptoms and the device is used to assess the effects of depressive symptoms on psychomotor retardation, one of the signs of this condition. The mobile application was successfully used in a small clinical trial. The analysis of data from the device is done using a statistical approach, where the time series of the acceleration magnitude signal is described by a mixture of Maxwell distributions. An auto-regressive model is also used and its coefficients are employed to train a support vector machine classifier. The results from first order statistics show significant differences in mean writing accelerations, angular velocities, and reaction times (p < 0.001). Both datasets also show visible differences in the mixture parameters. The classifier was validates using a leave-one-out cross-validation method, resulting in 95.8% correct classifications.}
{pt=depressão, monitoração remota, acelerómetro, aplicações para saúde mental, open sound control, en=depression, remote patient monitoring, accelerometer, mental health apps, open sound control}

Julho 15, 2021, 15:0

Orientação

ORIENTADOR

João Miguel Raposo Sanches

Departamento de Bioengenharia (DBE)

Professor Associado

ORIENTADOR

Miguel de Sequeiros Constante

Hospital Beatriz Ângelo, Lisboa

Doutor