Please use this identifier to cite or link to this item: https://doi.org/10.48548/pubdata-634
Full metadata record
FieldValue
Resource typeDissertation
Title(s)Computerized assistance in online mental health treatment
DOI10.48548/pubdata-634
Handle20.500.14123/669
CreatorBecker, Dennis  1228992681
RefereeFunk, Burkhardt  0000-0001-5855-2666  105142156X
Hoogendoorn, Mark  1174019808
Niemeyer, Peter  1051421551
AdvisorFunk, Burkhardt  0000-0001-5855-2666  105142156X
AbstractThe wide accessibility of the Internet and web-based programs enable an increased volume of online interventions for mental health treatment. In contrast to traditional face-to-face therapy, online treatment has the potential to overcome some of the barriers such as improved geographical accessibility, individual time planning, and reduced costs. The availability of clients' treatment data fuels research to analyze the collected data to obtain a better understanding of the relationship among symptoms in mental disorders and derive outcome and symptom predictions. This research leads to predictive models that can be integrated into the online treatment process to assist clinicians and clients. This dissertation discusses different aspects of the development of predictive modeling in online treatment: Categorization of predictive models, data analyses for predictive purposes, and model evaluation. Specifically, the categorization of predictive models and barriers against the uptake of mental health treatment are discussed in the first part of this dissertation. Data analysis and predictive modeling are emphasized in the second part by presenting methods for inference and prediction of mood as well as the prediction of treatment outcome and costs. Prediction of future and current mood can be beneficial in many aspects. Inference of users' mood levels based on unobtrusive measures or diary data can provide crucial information for intervention scheduling. Prediction of future mood can be used to assess clients' response to the treatment and expected treatment outcome. Prediction of the expected treatment costs and outcomes for different treatment types allows simultaneous optimization of these objectives and to increase the cost-effectiveness of the treatment. In the third part, a systematic predictive model evaluation incorporating simulation analyses is demonstrated and a method for model parameter estimation for computationally limited devices is presented. This dissertation aims to overcome the current challenges of predictive model development and its use in online treatment. The development of predictive models for varies data collected in online treatment is demonstrated and how these models can be applied in practice. The derived results contribute to computer science and mental health research with client individual data analysis, the development ofpredictive models, and their statistical evaluation.

Die weite Verfügbarkeit von webbasierten Anwendungsprogrammen ermöglicht einen einfacheren Zugang zu online-basierten psychologischen Behandlungen. Im Gegensatz zu klinischer Behandlung von psychischen Erkrankungen kann eine online-basierte und unterstützende Therapie die geografische Verfügbarkeit erhöhen, ermöglicht eine individuelle Zeiteinteilung der Behandlung und kann Behandlungskosten reduzieren. Das unmittelbare digitale Erfassen von Patientendaten und Symptomen ermöglicht eine unverzügliche Auswertung und Analyse der Daten um ein tieferes Verständnis zwischen Symptomen einer Erkrankung und der Vorhersage des möglichen Krankheitsverlaufs. Bestandteil dieser Forschung ist das Entwickeln von Vorhersagemodellen, die in die Online-Behandlung integriert werden können, um sowohl den behandelnden Therapeuten als auch den Patienten zu unterstützen. Diese Dissertation untersucht verschiedene Aspekte der Entwicklung von Vorhersagemodellen in der Online-Behandlung: Kategorisierung von Vorhersagemodellen, Datenanalysen für die Vorhersage des Symptomverlaufs, und Evaluation von Vorhersagemodellen. Insbesondere die Kategorisierung von Vorhersagemodellen und Hindernisse für die Verwendung von solchen werden im ersten Teil der Dissertation evaluiert. Im zweiten Teil werden Datenanalyse und die Entwicklung von Vorhersagemodellen zum Ermitteln der Behandlungskosten und des Krankheitsverlaufs behandelt. Das Ermitteln und Vorhersagen von Symptomen kann Behandlung ermitteln, die Vorhersage von Behandlungserfolg und Kosten können eine gesteigerte Kosteneffizienz ermöglichen. Im dritten Teil wird das Evaluieren eines Vorhersagemodells unter der Verwendung von Behandlungsdaten und einer Simulationsanalyse untersucht, sowie ein Verfahren zur Bestimmung von Modellparametern auf Mobilgeräten vorgestellt. Diese Dissertation zielt darauf ab, die aktuellen Herausforderungen der Vorhersagemodellentwicklung und deren Verwendung in der Online-Behandlung von psychischen Erkrankungen zu analysieren. Des Weiteren werden die technische Entwicklung von Vorhersagemodellen und deren mögliche Anwendung in der Praxis behandelt.
LanguageEnglish
DDC158 :: Angewandte Psychologie
Date of defense2020-12-18
Year of publication in PubData2021
Publishing typeFirst publication
Date issued2021-03-10
Creation contextResearch
Faculty / departmentFakultät Wirtschaftswissenschaften
Alternative Idenfier(s)urn:nbn:de:gbv:luen4-opus4-11263
NotesDas Rahmenpapier der kumulativen Dissertation enthält sieben Beiträge.
Date of Availability2024-05-30T13:40:23Z
Archiving Facility Medien- und Informationszentrum (Leuphana Universität Lüneburg  02w2y2t16)
Granting InstitutionLeuphana Universität Lüneburg
Published byMedien- und Informationszentrum, Leuphana Universität Lüneburg
  Related Resources
Files in This Item:
File SizeFormat 

Diss_2021_Becker_Dennis_Computerized.pdf
MD5: abcbcc4c4e36546628d770daed856eb2
License:  Nutzung nach Urheberrecht
open-access

4.61 MB

Adobe PDF
View/Open

Items in PubData are protected by copyright, with all rights reserved, unless otherwise indicated.

Citation formats
Access statistics

Page view(s): 40

Download(s): 5