What’s app? Ein Frühwarnsystem für Depressionen im Jugendalter basierend auf der Auswertung der WhatsApp-Aktivitäten Jugendlicher[Bearbeiten]

Projektbeschreibung[Bearbeiten]

1. Projektbeschreibung

Hintergrund

Die Depression im Jugendalter gehört zu den häufigsten und schwersten psychischen Erkrankungen. Eine unzureichende Behandlung dieser „early-onset“ Depression ist assoziiert mit einer hohen Neigung zu Rezidiven, Chronifizierung sowie suizidalen Handlungen. Das Risiko auch im Erwachsenenalter an einer Depression zu erkranken, ist dabei besonders hoch. Trotz der Verfügbarkeit empirisch geprüfter Präventions- und Therapieprogramme steigt die Inanspruchnahme kinder- und jugendpsychotherapeutischer Leistungen. Eine Hauptursache Ursache hierfür liegt im späten Erkennen einer beginnenden depressiven Episode, mit der Folge, das therapeutische Maßnahmen erst spät greifen können. Das Aufdecken von Frühwarnzeichen wird (1) durch die mit dem Jugendalter assoziierten Transformationsprozesse – Stichwort „Pubertät“ – erschwert. So ist die Unterscheidung zwischen normativem emotional-instabilen Verhalten und Anzeichen für eine beginnende Psychopathologie selbst für Fachleute diffizil. Ferner liegen Informationen für eine Diagnose nur unzureichend vor, da Jugendliche ihre Belastungen nur wenig kommunizieren; insbesondere gegenüber Bezugspersonen maskieren sie vorhandene psychische Probleme. Des Weiteren bestehen (2) eine Reihe von methodischen Schwierigkeiten. Beispielsweise sind Fragebögen nicht hinreichend sensitiv genug, um frühe Anzeichen einer Depression zu erkennen. Hierzu ist zu erwähnen, dass Jugendliche oft Schwierigkeiten haben ihre Stimmung und Denkmuster sachgerecht einzuschätzen. Zudem müsste die Erfassung von Symptomen in kleinen Zeitabständen erfolgen (Ecological Momentary Assessment, EMA), um Veränderungen im Erleben und Verhalten rechtzeitig zu detektieren. Diese Tatsache macht den Einsatz von Fragebögen im Alltag jedoch unpraktikabel: Das häufige Abfragen von subklinischen Krankheitsanzeichen unterbricht den Lebensalltag, ist ermüdend und demotivierend. Eine mögliche Lösung der zuvor skizzierten Problemstellung liegt in der passiven, d.h. im Alltag des Betreffenden automatischen Erfassung „objektiver“ Depressionsmarker, die als Frühwarnzeichen fungieren. Diese sind möglichst im EMA-Ansatz zu erheben. Als objektive Depressionsmarker lassen sich unter anderem strukturelle und inhaltliche Veränderungen im Sprachgebrauch und im Sozialverhalten nutzen. Im Hinblick auf das Jugendalter bietet sich das Kommunikationsverhalten über Instant-Messenger wie WhatsApp (Nutzungsgrad: 85% täglich) an. Studien zur Sprachstruktur von depressiv Erkrankten zeigen, dass die Störung mit einer häufigeren Verwendung der Pronomen „ich“, „mich“ und „mein“ einhergehen und damit depressive Symptome noch acht Monate später vorhersagbar waren. Hinsichtlich des Sprachinhalts verwenden depressive Patienten signifikant häufiger Wörter mit negativer Valenz (z.B. Trauer- und Todesmotiv). Krankheitsimmanent reduzieren sich in einer depressiven Episode die sozialen Aktivitäten und das soziale Netzwerk, was sich widerspiegeln sollte in einer geringeren Nutzungshäufigkeit von Messenger-Diensten, kürzeren Nachrichten, sowie einer verringerten Anzahl von Empfängern.

Projektidee

In einer Pilotstudie im Feld soll geprüft werden, ob die per WhatsApp ausgetauschten Informationen (Sprachgebrauch, Emojis) sowie das Nutzungsverhalten (Nutzungsdauer und -zeiten, Netzwerk, Textlänge) mit depressiven Symptomen bei Jugendlichen zusammenhängen. Die Stichprobe umfasst n = 30 Probanden (15 akut depressive Patienten, 15 Kontrollprobanden) im Alter von 14-17 Jahre. Die Rekrutierung erfolgt über den eigenen Probandenpool und Kooperationseinrichtungen . Die Daten werden im einwöchigen Längsschnitt erhoben. Die Auswertung des Sprachgebrauchs in Chatprotokollen erfolgt über die deutsche Version der rechnergestützten Textanalyse-Software Linguistic Inquiry and Word Count. Die Jugendlichen stellen hierfür die lokal gespeicherten Chatprotokolle zur Verfügung. Die WhatsApp-Nutzungsaktivität wird mit der App WhatsAnalyzer erhoben, die durch eine Kooperation mit dem Institut für Informatik der Universität Würzburg bereitgestellt wird. Zu Studienbeginn wird ein klinisches Interview mit den Probanden durchgeführt; Depressionssymptome, dysfunktionale Kognitionen und akuter Stress werden mittels Fragebogen erhoben. Zudem erfolgt ein IQ-Screening. Die Datenerhebung wird von zwei Forschungspraktikanten, eine SHK und eine Masterandin unterstützt. Die Mittel des Stipendiums sollen wie folgt eingesetzt werden: Gutscheine für die Probanden (1.200 €), Software (1.500 €), Verbrauchsmaterialien (500 €), Open Access Publikationszuschuss (30%- Differenz zum Open Access Publikationsfond der Universität Tübingen, ca. 1.500 €).

2. Erwartbare Arbeitsergebnisse mit Bezug zu Open Science

Ziel des Pilotprojekts ist (1) eine erste empirische Prüfung der Frage, ob sich im EMA-Ansatz erhobene Daten zum Sprachgebrauch und zur Nutzungsaktivität des Messenger-Dienstes WhatsApp (abhängige Variablen, AV), um die Depression bei Jugendlichen frühzeitig zu erkennen. Konkret prüfen wir, ob sich Jugendliche mit einer akuten Depression von gesunden Jugendlichen hinsichtlich der o.g. AV unterscheiden. (2) Die Open Access-Bereitstellung des Wissens (inkl. Studienprotokolle, Analyseverfahren), um damit die Entwicklung eines komplexeren Frühwarn- und Managementsystems für depressive Störungen bei Jugendlichen zu fördern. Tabelle 1 zeigt die erwarteten Arbeitsergebnisse und dazugehörige Open Science-Maßnahmen.

Zeitraum	Stadium	Aufgabe mit Projekt-Bezug	Open Science-Bezug (Plattform: PsychData & OSF)
10-12/2017	Vorbereitung	Entwicklung Studiendesign, Organisation Arbeitsabläufe, Ethikantrag, Entwicklung des Forschungsdatenmanagements	Präregistrierung der Studie, Forschungsdatenmanagement mit DataWiz des ZPID (ab 11/2017 online) > optimiert für Open Data
1-3/2018	Datenerhebung	Rekrutierung der Probanden, Datenerfassung	Methodik veröffentlichen(Open Methodology)
4-5/2018	Auswertung	Aufbereitung für Datenanalyse, Schreiben der Analyseskripte, Durchführung Datenanalyse	Analysecodes veröffentlichen(Open Source), Rohdaten und Codebuch auf Repositorium veröffentlichen (Open Data)
ab 6/2018	Publikation	Abfassung der Publikationen, Finden eines geeigneten Open Access Journals	Aufsatz in Open Access-Journal veröffentlichen, Zweitveröffentlichung und Darstellung in Medien

Stefan Lüttke[Bearbeiten]

Name: Stefan Lüttke
Institution: Universität Tübingen
Kontakt: stefan.luettke@uni-tuebingen.de
Web: http://pi.uni-tuebingen.de/mitarbeiter/luettke