A revolução digital tem impactado significativamente as práticas de saúde, incluindo a saúde mental, com o uso de inteligência artificial (IA), big data e tecnologias de neuroimagem. Este estudo visa propor uma tecnologia digital baseada em IA para identificar sintomas de depressão em acadêmicos, focando na adaptação e na validação de instrumentos psicométricos para essa população. Seguiu-se um fluxo iterativo e uma estrutura conceitual adaptada. Foram realizadas revisões de literatura e coleta de dados com acadêmicos. A adaptação dos instrumentos envolveu avaliações semânticas e de conteúdo, utilizando o Coeficiente de Validade de Conteúdo (CVC) e o Patient Health Questionnaire-9 (PHQ-9). A Entrevista para Depressão Centrada em Acadêmicos (EDCA-12) apresentou um escore geral de CVCt de 0,89 e um alfa de Cronbach de 0,95. O modelo Logistic Regression (LR) alcançou uma precisão de 97% na identificação de sintomas de depressão. A tecnologia desenvolvida demonstrou potencial na avaliação de depressão em acadêmicos. Futuros estudos devem aprimorar a interface do usuário e expandir a validação empírica para diferentes contextos.
The digital revolution has significantly impacted health practices, including mental health, through the use of Artificial Intelligence (AI), big data, and neuroimaging technologies. This study aims to propose a digital technology based on AI to identify symptoms of depression in academics, focusing on the adaptation and validation of psychometric instruments for this population. An iterative flow and an adapted conceptual framework were followed. Literature reviews and data collection with academics were conducted. The adaptation of the instruments involved semantic and content evaluations using the Content Validity Coefficient (CVC) and the PHQ-9. The Interview for Depression Centered on Academics (EDCA-12) presented an overall CVCt score of 0.89 and a Cronbachs alpha of 0.95. The Logistic Regression (LR) model achieved 97% accuracy in identifying depression symptoms. The developed technology demonstrated potential in assessing depression in academics. Future studies should enhance the user interface and expand empirical validation to different contexts.
La revolución digital ha impactado significativamente las prácticas de salud, incluida la salud mental, mediante el uso de Inteligencia Artificial (IA), big data y tecnologías de neuroimagen. Este estudio tiene como objetivo proponer una tecnología digital basada en IA para identificar síntomas de depresión en académicos, centrándose en la adaptación y validación de instrumentos psicométricos para esta población. Se siguió un flujo iterativo y un marco conceptual adaptado. Se realizaron revisiones de literatura y recolección de datos con académicos. La adaptación de los instrumentos involucró evaluaciones semánticas y de contenido, utilizando el Coeficiente de Validez de Contenido (CVC) y el PHQ-9. La Entrevista para la Depresión Centrada en Académicos (EDCA-12) presentó una puntuación general de CVCt de 0,89 y un alfa de Cronbach de 0,95. El modelo de Regresión Logística (LR) alcanzó una precisión del 97% en la identificación de síntomas de depresión. La tecnología desarrollada demostró potencial en la evaluación de la depresión en académicos. Futuros estudios deben mejorar la interfaz de usuario y ampliar la validación empírica para diferentes contextos.
