Digital Phenotyping untuk Deteksi Dini Gangguan Mental pada Remaja: Analisis Data Smartphone dan Wearable

Abstract

Gangguan mental pada remaja merupakan masalah kesehatan global yang semakin meningkat, namun deteksi dini seringkali terhambat oleh keterbatasan akses dan kurangnya kesadaran akan gejala awal. Digital phenotyping, yaitu pencirian perilaku individu melalui data digital dari perangkat seperti smartphone dan wearable, menawarkan potensi baru untuk pemantauan dan identifikasi dini kondisi psikologis.Penelitian ini bertujuan untuk menganalisis penggunaan digital phenotyping dalam mendeteksi dini gangguan mental pada remaja dengan memanfaatkan data dari smartphone dan wearable.Studi ini menggunakan pendekatan kuantitatif dengan mengumpulkan data pasif dari 120 remaja (usia 13–19 tahun) selama enam bulan. Data yang dikumpulkan meliputi frekuensi penggunaan aplikasi, pola gerakan (akselerometer), lokasi geospasial, durasi tidur, detak jantung, dan variabilitas aktivitas fisik. Instrumen penilaian gangguan mental menggunakan Strength and Difficulties Questionnaire (SDQ) dan wawancara klinis sebagai validasi.Hasil penelitian menunjukkan bahwa pola penggunaan smartphone yang berlebihan (>7 jam/hari), fragmentasi tidur yang tinggi, serta penurunan variabilitas lokasi geospasial secara signifikan berkorelasi dengan skor tinggi pada subskala masalah emosional dan perilaku (p < 0,05). Model klasifikasi berbasis machine learning yang menggabungkan data smartphone dan wearable mencapai akurasi 84,6% dalam membedakan remaja dengan risiko gangguan mental ringan hingga berat dibandingkan kelompok kontrol.