Die Erhebung psychischer Gesundheit ist im Bereich Public Health mit einigen Herausforderungen verbunden. Dazu gehören mögliche Verzerrungen in der Selbstauskunft von Symptomen aufgrund von sozialer Erwünschtheit, Angst vor Fremdstigmatisierung, Unterschiede in der Fähigkeit zur Selbstreflexion oder von gesundheitsbezogenem Wissen. In der experimentellen Forschung hat sich daher zunehmend die zusätzliche Berücksichtigung von Verhaltensdaten etabliert, um verbesserte Vorhersagen über sensible Konstrukte wie die psychische Gesundheit tätigen zu können. Auch für das bevölkerungsrepräsentative Gesundheitsmonitoring werden aktuell Möglichkeiten der Berücksichtigung von Verhaltensdaten im Alltag von Personen über verschiedene Datenerhebungsmethoden diskutiert. Aufbauend auf diesen Überlegungen hat das vorliegende Promotionsvorhaben zum Ziel, verhaltensbasierte Prädiktoren für die psychische Gesundheit zu prüfen und bedient sich dabei statistischer Methoden des maschinellen Lernens. Die Vision ist, Hochrisikogruppen und die Schwere von psychischen Problemen basierend auf verschiedenen Informationsquellen verlässlicher zu identifizieren, Symptomveränderungen auf Basis von Verhaltensdaten zu beobachten und Präventionsangebote gezielt adressieren zu können. Das vorliegende Promotionsvorhaben stellt somit eine kritische Auseinandersetzung mit Verhaltensdaten und deren Mehrwert als Ergänzung zu traditionellen Selbstauskünften für das Public (Mental) Health Monitoring dar, zeigt und diskutiert datenschutzrechtliche Herausforderungen sowie ethische Fragestellungen, um abschließend Handlungsempfehlungen abzuleiten.

Förderung: Sonderforschungsmittel des Robert Koch-Instituts

Förderzeitraum: 03/2019-02/2022

Projektverantwortung RKI: Johanna-Sophie Edler, Dr. Caroline Cohrdes

Kontakt: E-Mail