Projektbeschreibung
Depressionen: Prävention durch bessere Vorhersage
Prävention ist der wirksamste Weg im Kampf gegen Depressionen, einer Erkrankung, von der alleine in der europäischen Region rund 40 Millionen Menschen betroffen sind. Depression, die Hauptursache für Todesfälle durch Selbstmord, schränkt die Betroffenen in ihrer Fähigkeit ein, den Alltag zu bewältigen und in Beruf oder Schule zu funktionieren. Studien zufolge stellt sich nur bei 50 % aller Betroffenen nach Erstbehandlung eine Besserung ein. Vor diesem Hintergrund wird das vom Europäischen Forschungsrat finanzierte Projekt WARN-D ein personalisiertes Früherkennungssystem entwickeln, um Personen, die gefährdet sind oder Hilfe erhalten sollten, einfacher zu erkennen. Das Projekt wird 2 000 Personen zwei Jahre lang im Alltag begleiten. Zur Entwicklung ihres Systems, das Depressionen vorhersagen soll, bevor sie auftreten, werden die Forschenden auf zahlreiche Tools zurückgreifen.
Ziel
Depression is common, debilitating, and often chronic. It severely compromises the capacity for independent living, and is the strongest predictor of suicide. Young people are disproportionately affected, and many will spend over 20% of their lives in a state of depression. Further, only 50% of patients improve under initial treatment. Experts agree that prevention is the most effective way to change depression’s global disease burden. The biggest barrier to successful personalized prevention is to identify those at risk for depression in the near future. My proposal aims to solve the challenge who should receive prevention, and when, by developing the personalized early warning system WARN-D. To implement personalized detection, I will follow 2,000 individuals over 2 years, and integrate emerging theoretical, measurement, and modelling approaches from different scientific fields so far unconnected. Regarding theory, I conceptualize depression as a complex dynamical system in which causal relations and vicious cycles between problems can move the system from a healthy to a clinical state, consistent with the Network Approach to Psychopathology that I co-developed. Regarding measurement, I will follow participants in their daily lives, and collect temporal dynamics of bio-psycho-social variables like mood, anxiety, stress, impairment, sleep, and activity via smart-phone based ecological momentary assessment (EMA) and smart-watch based digital phenotype data. I will use dynamical network models to study the relations among problems, and use parameters of these models, combined with baseline, EMA, and digital phenotype data, to construct the prediction model WARN-D via state-of-the-art machine learning models. The interdisciplinary project combines numerous modern tools to develop a tailored personalized early warning system that forecasts depression reliably before it occurs, promising to radically transform the science of depression detection.
Wissenschaftliches Gebiet
- natural sciencesmathematicsapplied mathematicsdynamical systems
- engineering and technologyelectrical engineering, electronic engineering, information engineeringinformation engineeringtelecommunicationsmobile phones
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
Programm/Programme
Thema/Themen
Finanzierungsplan
ERC-STG - Starting GrantGastgebende Einrichtung
2311 EZ Leiden
Niederlande