Fitbit-Daten zeigen: Wearables können Depression, Angst und Stress früh erkennen

Während der COVID‑19‑Pandemie haben Hochschulstudenten mit einer Vielzahl von Stressfaktoren zu kämpfen, die zu erhöhten Raten von Angst und Depression führen. In einer neuen Studie wurden die von Studierenden gesammelten Fitbit‑Daten aus dem StudentMEH‑Datensatz ausgewertet, um die frühzeitige Erkennung dieser psychischen Erkrankungen zu untersuchen.

Die Forscher setzten maschinelles Lernen ein, um aus Herzfrequenz‑ und Schlafdaten Modelle zu bauen, die Depression, Angst und Stress vorhersagen können. Dabei wurden verschiedene Zeitreihenparameter und Aggregationsstufen analysiert, um die optimale Kombination von Messgrößen zu bestimmen.

Die Ergebnisse sind vielversprechend: Für Angst erreichte das Modell einen F1‑Score von 0,79, für Stress 0,77 und für Depression 0,78. Herzfrequenz‑ und Schlafparameter erwiesen sich dabei als besonders aussagekräftig.

Diese Erkenntnisse unterstreichen das Potenzial von Wearables für die kontinuierliche Überwachung der psychischen Gesundheit. Sie zeigen zudem, wie wichtig die Auswahl geeigneter Datenaggregationsebenen und Messmodalitäten ist, um unterschiedliche psychische Erkrankungen zuverlässig zu erkennen. Die Studie legt damit einen wichtigen Grundstein für zukünftige Entwicklungen im Bereich digitaler Gesundheitsmonitoring.