Traducido del inglés al español - www.onlinedoctranslator.
com
mHealth en los trastornos afectivos: ¿bombo o esperanza? Una revisión
narrativa enfocada
Diego Hidalgo-Mazzei, Cristian Llach y Eduard Vieta
El crecimiento constante y la disponibilidad generalizada de tecnologías
móviles (es decir, teléfonos inteligentes y dispositivos portátiles) en las
últimas décadas han sido un tema de intenso interés e investigación en
el campo de los trastornos afectivos (TA). El potencial de mHealth para
recopilar un nuevo tipo de información pasiva y activa al tiempo que
brinda intervenciones rentables y personalizadas ha generado muchas
esperanzas. Sin embargo, hasta ahora, a pesar de algunos resultados
alentadores, la investigación en el campo no se ha traducido para llegar
Descargado de http://journals.lww.com/intclinpsychopharm por BhDMf5ePHKbH4TTImqenVAaoM33QR5KTJ7TqdanMKYH/SmvP9L2jtISrWIgQ2oYN2wGYwx50Edc= el 01/03/2020
a entornos clínicos del mundo real o para desarrollar herramientas
adicionales de salud móvil basadas en evidencia para personas que
padecen EA. Mientras tanto, los pacientes utilizan y adoptan cada vez
más aplicaciones comerciales no probadas y dispositivos portátiles para
el autocontrol de sus enfermedades. De ahí que exista una necesidad y
demanda latente por parte de los usuarios de los servicios de integrar la
mSalud en su atención, que el campo aún no puede cumplir. En este
artículo, a través de una revisión narrativa enfocada, discutimos la
evidencia disponible para el uso, validez y eficacia
Introducción
Informes de casos indicativos
Mujer de 54 años previamente diagnosticada de trastorno
bipolar (TB) tipo 1 y hipoacusia que ingresó en programa de
tratamiento domiciliario. Tenía antecedentes de múltiples
episodios maníacos y depresivos previos con características
mixtas, ingresos hospitalarios y déficits cognitivos establecidos.
Tomaba litio 800 mg/día y quetiapina 200 mg/día como
tratamiento de mantenimiento. Tanto la familia como el
paciente reportaron aumento de energía, irritabilidad, ritmos
circadianos invertidos, comportamiento incoherente e ideación
suicida pasiva en el contexto de una adherencia errática a la
medicación durante las últimas 2 semanas. En la primera
valoración se diagnosticó un episodio depresivo de
características mixtas, aumentándose progresivamente la dosis
de quetiapina hasta 600 mg/día. Los niveles de litio estaban por
debajo del rango terapéutico (0,45 mEq/L). La paciente tenía
dificultades a largo plazo para recordar sus actividades del día
anterior, la hora de dormir o cuándo tomar la medicación, así
como dificultades para acostarse a tiempo y despertarse por la
mañana. El equipo de salud también observó diariamente
Los autores de este artículo recibieron el apoyo indirecto de una beca Juan
Rodés (JR18/0002) del Instituto de Salud Carlos III (a DH), una beca de
investigación del Ministerio de Economía y Competitividad de España
(PI12/0091), Instituto de Salud Carlos III, Subdirección General de Evaluación y
Fomento de la Investigación (a EV); por el Instituto de Salud Carlos III a través
del Centro para la Investigación Biomédica en Red de Salud Mental
(CIBERSAM) así como la Secretaria d′Universitat i Recerca del Departament d′
Economía y Conexiones (2017_SGR_1365 a EV).
0268-1315 Copyright © 2020 Wolters Kluwer Health, Inc. Todos los derechos reservados.
Copyright © 2020 Wolters Kluwer Health, Inc. Se prohíbe la reproducción no autorizada de este artículo.
Revisar artículo 61
de herramientas mHealth en AD. Se discuten los desafíos en el
campo académico que dificultan el avance de estas tecnologías y su
implementación en la práctica clínica. Por último, proponemos un
marco para superar estos problemas, lo que puede facilitar que las
soluciones de mHealth lleguen a los usuarios del servicio. Int Clin
Psicofármaco35: 61–68 Copyright © 2020 Wolters Kluwer Health,
Inc. Todos los derechos reservados.
Psicofarmacología Clínica Internacional2020,35:61–68
Palabras clave: trastornos afectivos, trastorno bipolar, trastornos depresivos,
mHealth
Departamento de Psiquiatría y Psicología, Hospital Clínic de Barcelona,
Instituto de Neurociencias, IDIBAPS, CIBERSAM, Cataluña, España
Correspondencia al Prof. Eduard Vieta, Departamento de Psiquiatría y
Psicología, Hospital Clínic de Barcelona, Instituto de Neurociencias, IDIBAPS,
CIBERSAM, Villarroel, 170 – 08036, Barcelona, Cataluña, España
Teléfono: +34 93 227 54 00; fax: +34 93 227 9228; correo electrónico: evieta@clinic.cat.
Recibió2 julio 2019Aceptado19 noviembre 2019
inconsistencias entre los medicamentos dejados en el
pastillero y la medicación prescrita. Los familiares del
paciente le preguntaron al equipo de tratamiento en el
hogar si el paciente podía usar una banda inteligente
comercial para ayudarlo con los déficits de memoria y las
rutinas de sueño. Después de una discusión cuidadosa, el
equipo de tratamiento en el hogar acordó que no había
suficientes razones o riesgos para contraindicar su uso. La
paciente comenzó a usar la banda inteligente, que se
configuró para recordarle tomar sus medicamentos a las
horas prescritas y ayudarla a regular sus ritmos circadianos
a través de alarmas de vibración. Después de una semana,
los síntomas remitieron y, sobre la base de estimaciones
aproximadas del tiempo de sueño recopilado por el
dispositivo portátil, la quetiapina se redujo a 400 mg/día.
Los niveles de litio en sangre estaban en 0,86 mEq/L, lo que
sugiere que la adherencia a la medicación era aceptable.
En otro caso, un psiquiatra realizó una evaluación de seguimiento
de rutina en la consulta externa de un hombre de 32 años
previamente diagnosticado con un trastorno depresivo mayor
recurrente. El hombre tenía antecedentes de cuatro episodios
previos de los cuales dos requirieron ingreso hospitalario por
intentos suicidas graves. Llevaba 2 años en tratamiento de
mantenimiento con venlafaxina 150 mg/día y aripiprazol 15 mg/día.
No hubo cambios significativos con respecto a evaluaciones previas
y el paciente informó un funcionamiento normal. Sin embargo,
informó que había estado usando una nueva aplicación de teléfono
inteligente para monitorear su
DOI: 10.1097/YIC.0000000000000302
62Psicofarmacología Clínica Internacional2020, Vol 35 No 2
estado de ánimo a diario, lo que también le permitió informar sobre
los acontecimientos de la vida, además de proporcionarle
estrategias de afrontamiento y recordatorios de medicamentos. Se
dio cuenta de los informes ofrecidos por la aplicación, que su
tiempo de sueño, concentración y energía habían ido disminuyendo
gradualmente durante el último mes. El paciente se preguntó si
estos resultados podrían predecir la recaída y si había algo que se
debería hacer para prevenirla. Dado que el psiquiatra no estaba al
tanto de ninguna evidencia con respecto a la aplicación, alentó al
paciente a monitorear sus síntomas de cerca y volver a llamar si
empeoraban. El paciente llamó a las 2 semanas refiriendo tristeza
persistente, falta de energía, sueño de 10 a 11 h, disminución del
apetito y sensación de inutilidad, lo que le impidió acudir al trabajo
durante los 5 días anteriores. Un episodio depresivo fue confirmado
durante una evaluación integral cara a cara al día siguiente. Se
recomendó un aumento gradual de venlafaxina a 300 mg/día.
Cuatro semanas más tarde, el paciente volvió al trabajo y notificó
una gran mejoría en su estado de ánimo.
Estos dos últimos párrafos podrían haber sido informes de
casos o parte de una serie de casos hace 20 años, pero hoy
brindan ejemplos diarios de las oportunidades desafiantes, las
contradicciones y los problemas que la salud móvil (mHealth)
está generando en nuestra práctica clínica del mundo real. en
los trastornos afectivos (TA). El objetivo de este artículo es
proporcionar una revisión narrativa enfocada de la evidencia
actualmente disponible de mHealth en EA, para discutir
críticamente los desafíos y problemas actuales en el campo y
brindar recomendaciones para superarlos.
Métodos
Se realizó una revisión cualitativa centrada en la evidencia
actual sobre la validez, eficacia e implementación de mHealth
en EA. Con este fin, se realizó una búsqueda bibliográfica para
identificar artículos de investigación originales relevantes,
protocolos, revisiones, incluidas revisiones sistemáticas y
metanálisis que contengan evidencia sobre el uso y la aplicación
de mHealth en la EA. La búsqueda se realizó aplicando el
algoritmo booleano ((mobile[Title/Abstract])OR(smartphone
[Title/Abstract])OR (wearable[Title/Abstract])OR(mhealth [Title/
Abstract] ) ) AND( (estado de ánimo[Título/Resumen])
O(afectivo[Título/Resumen])O(bipolar [Título/Resumen]) O
(pulsar * [Título/Resumen] ) ) AND((mental[Título/
Resumen])OR(psicología[Título/Resumen])OR(psiquiatría[Título/
Resumen]))AND((revisión [Título/Resumen])OR(revisión
sistemática [Título/Resumen]) ]) OR(metanálisis[Título/
Resumen])OR(estudio[Título/Resumen])OR(ensayo[Título/
Resumen])OR (protocolo[Título/Resumen])) en MEDLINE,
SCOPUS, EMBASE, ClinicalTrials, ISI Web of Science y Google
Académico. Restringimos nuestros parámetros de búsqueda a
resúmenes, protocolos o artículos publicados en inglés entre
enero de 1990 y junio de 2019. Los criterios de exclusión fueron
artículos sobre herramientas de mHealth no diseñadas
específicamente o dirigidas a la EA. Después de la selección y
revisión de títulos y resúmenes
Copyright © 2020 Wolters Kluwer Health, Inc. Se prohíbe la reproducción no autorizada de este artículo.
de un total de 510 resultados, dos de los autores (DH y CL)
identificaron y recuperaron los textos completos de esos artículos,
que parecían pertinentes para resaltar la evidencia científica actual
sobre mHealth en DA. Además, también se realizaron búsquedas de
informes relevantes en las listas de referencias de los artículos
seleccionados para su inclusión. Para brindar una descripción
general del tema, priorizamos las revisiones sistemáticas, los
metanálisis o los artículos originales que representan hallazgos
innovadores o aplicaciones de un enfoque que usa mHealth que se
enfocó específicamente en la EA diagnosticada clínicamente. Los
resultados, limitaciones y desafíos descritos en estos artículos
fueron sintetizados de manera narrativa en la sección de discusión.
Con base en estos informes, brindamos una descripción crítica del
estado actual de mHealth y las perspectivas sobre las direcciones
futuras.
Resumen y discusión
El creciente interés y uso de herramientas de mHealth
en personas que padecen trastornos afectivos
Las personas que padecen EA han estado utilizando Internet de la
misma manera y con el mismo índice que la población general de
todo el mundo (Baueret al., 2016). Más recientemente, como
resultado de la creciente accesibilidad, asequibilidad y facilidad de
uso de los dispositivos móviles conectados a Internet, también están
adoptando cada vez más estas tecnologías para una amplia gama
de propósitos, y su salud mental no es una excepción (Torouset al.,
2014; Naslundet al., 2016). Sin embargo, pocos de los varios
dispositivos y aplicaciones de consumo disponibles para estos fines
tienen evidencia científica sobre su validez o eficacia en el campo de
la DA (Evensonet al., 2015; Nicolás et al., 2015). Una excepción
alentadora es un ensayo aleatorio en línea reciente que involucró a
una muestra de participantes con diagnóstico no clínico, que
demostró una reducción en los síntomas de depresión
autoinformados, particularmente en aquellas personas que no
estaban tomando medicamentos psiquiátricos (Moberget al., 2019).
Por el contrario, existe el riesgo de que algunas de estas
aplicaciones disponibles comercialmente puedan poner en peligro
al consumidor debido a un suministro de información poco fiable e
inadecuado (Nicholaset al., 2015; Larsenet al., 2016). Además,
informes recientes sugieren que la privacidad de los datos de los
usuarios de muchas de estas aplicaciones podría verse
comprometida (Huckvaleet al., 2019). Este fenómeno, lejos de ser un
problema aislado dentro del campo de la salud mental, también se
ha reportado con otras apps de salud como las dirigidas a pacientes
con cáncer (Daviset al., 2017).
Aunque se han propuesto marcos para evaluar la validez de las
aplicaciones de salud mental y los comités nacionales y regionales
han estado trabajando en regulaciones, las características globales
de las tiendas de aplicaciones y la comercialización de estos
dispositivos crean un entorno más desafiante (Chanet al., 2015;
Armontroutet al., 2018). Actualmente, la realidad es que a los
pacientes que padecen trastornos mentales, en general, se les
ofrecen estas herramientas, que están al alcance de un toque en sus
dispositivos smartphone, sin ningún aviso, instrucción o garantía
(Torous

et al., 2014). Por ejemplo, una encuesta reciente entre 286 personas
con BD en el Reino Unido reveló que más del 50 % había usado o
todavía usaba una aplicación destinada a monitorear o tratar su
condición, y el 40 % había usado o todavía usaba un dispositivo
portátil para rastrear su sueño En una encuesta separada en la
misma población, que incluyó a 570 encuestados, casi el 80% estaba
interesado en usar una aplicación para monitorear sus síntomas y
recibir consejos sobre cómo hacer frente a su condición, lo que
refleja una demanda latente y persistente entre los usuarios del
servicio para tener estas herramientas disponibles (Hidalgo-Mazzei
et al., 2019a). Sin embargo, la mayoría de los usuarios tiende a
seleccionar y descargar las aplicaciones en función de su posición
en la lista y de las valoraciones de los usuarios (Nicholaset al., 2015),
y se sabe que estos factores no se correlacionan bien con las escalas
objetivas de calificación de la calidad de las aplicaciones (Stoyanovet
al., 2015).
Un creciente cuerpo de evidencia que arroja nueva luz sobre viejos
conceptos
La comunidad académica y de investigación reconoció muy
pronto el potencial de mHealth en la EA. En los últimos 20
años, se han realizado varios estudios que exploran la
viabilidad, validez, eficacia y rentabilidad de mHealth. Estos
estudios involucraron una amplia gama de tecnologías
móviles, como SMS (servicios de mensajes cortos),
aplicaciones para teléfonos inteligentes y dispositivos
portátiles (actigrafía) destinados a monitorear los síntomas
y brindar intervenciones para la depresión y los BD (Batraet
al., 2017; josefinaet al., 2017; Seppäläet al., 2019).
Las capacidades de conexión de los teléfonos inteligentes y sus
sensores integrados permiten la recopilación discreta de
información activa de los sujetos en su entorno natural,
incluidas evaluaciones momentáneas ecológicas mediante
pruebas o preguntas, así como datos objetivos pasivos de
patrones de uso de dispositivos y sensores (Colomboet al.,
2019). Estos métodos evitan la posibilidad de sesgo de
recuerdo, que afecta a escalas y cuestionarios estandarizados
aplicados en un momento específico para evaluar la presencia
de síntomas durante las últimas semanas o meses anteriores.
Los datos recopilados se transmiten automáticamente a
servidores en la nube a través de Internet, lo que evita la
pérdida de integridad de los datos. En este contexto, el
monitoreo de síntomas basado en teléfonos inteligentes ha
demostrado su potencial para ayudar a desenredar viejas
controversias en el campo. Por ejemplo, la diferenciación entre
el TB y el trastorno límite de la personalidad (TLP) ha sido objeto
de un debate largo y continuo sobre si el TLP debe incluirse o
no bajo la rúbrica de "espectro bipolar" (Zimmerman y Morgan,
2013). Al respecto, Pérez Arribasy otros. han informado
recientemente los resultados de un método de firma de
aprendizaje automático basado en autoinformes del estado de
ánimo de los teléfonos inteligentes, que demostró ser un
enfoque eficaz para determinar la clasificación diagnóstica y la
predicción del estado de ánimo futuro entre sujetos que sufren
de BD, TLP y controles sanos (Perez Arribas et al., 2018).
Copyright © 2020 Wolters Kluwer Health, Inc. Se prohíbe la reproducción no autorizada de este artículo.
mHealth en los trastornos afectivosHidalgo-Mazzeiy otros. 63
Además, los datos pasivos pueden recolectarse de forma
automática y continua, lo que limita la posibilidad de subjetividad y
heurística psicológica a la que también están expuestos los métodos
tradicionales (Hidalgo-Mazzeiet al., 2019b). Dado que los teléfonos
inteligentes se están convirtiendo en un método generalizado para
la comunicación, la socialización, las compras y el entretenimiento,
entre otras actividades, el uso diario de los teléfonos inteligentes y
los patrones de voz tienen el potencial de recopilar huellas de
comportamiento continuas. Este nuevo tipo de información objetiva
se ha denominado fenotipado digital (Insel, 2018). Categorizado
dentro de los límites de 'grandes datos', también podría usarse en
combinación con otras medidas genéticas, de neuroimagen y
clínicas como fuente de nuevas hipótesis en el campo.
La mayoría de los estudios que evalúan la validez de los patrones de
comportamiento a través de tecnologías móviles han buscado comparar
los datos generados por los teléfonos inteligentes con escalas
estandarizadas autoinformadas o administradas por médicos. En
general, los resultados hasta la fecha que correlacionan los ritmos
circadianos y sociales (Faurholt-Jepsenet al., 2015b; Abdaláet al., 2016;
Faurholt Jepsenet al., 2016; Choet al., 2019; colomboet al., 2019), así
como la actividad de enfermedades específicas de los datos generados
por teléfonos inteligentes parece alentador, aunque aún no tan
concluyente como para reemplazar las escalas estandarizadas en AD
(Doganet al., 2017). Aunque esto podría verse como decepcionante,
existe una creencia creciente de que las diferencias entre los datos
recopilados por las herramientas de mHealth y las puntuaciones
registradas en las escalas subjetivas existentes podrían representar un
tipo de información completamente nuevo y una oportunidad para
complementar las limitaciones de las escalas de calificación tradicionales
para reflejar la DA. estados y su diversidad interindividual de manera
comprensiva (Hidalgo-Mazzeiet al., 2018b).
Otro ejemplo es el valor del uso de tecnologías mHealth como los
wearables. Durante los últimos 5 años, los actígrafos de grado de
investigación han resaltado la relevancia del concepto de activación
en la EA, que anteriormente había resultado difícil de cuantificar.
Gracias a los actígrafos, la información sobre la energía, la actividad
motora y el sueño se puede recopilar de forma continua y objetiva.
La evidencia emergente del uso de estos dispositivos respalda los
cambios recientes realizados en el DSM-5 en relación con los
criterios de activación para BD, que habían sido casi ignorados
durante un siglo (De Crescenzo et al., 2017; scottet al., 2017; Krane-
gartiseroet al., 2018; Merikangaset al., 2019). Los actígrafos de
grado de investigación son capaces de recopilar una cantidad
significativa de datos sin procesar granulares con un alto grado de
precisión. Sin embargo, siguen siendo relativamente costosos,
estigmatizantes y poco prácticos para el uso diario debido a la
duración limitada de la batería y el almacenamiento de datos. Por el
contrario, los dispositivos portátiles comerciales (relojes
inteligentes, bandas inteligentes, etc.) que ofrecen funciones como
la medición de la actividad física y el tiempo de sueño, entre otras,
se han vuelto cada vez más populares. En vista de su aceptabilidad y
diseño atractivo, algunos grupos de investigación han comenzado a
explorar la posibilidad de integrar tales dispositivos portátiles en
estudios de salud mental (Evensonet al., 2015; Cocinaret al.,
64Psicofarmacología Clínica Internacional2020, Vol 35 No 2

2017). Sin embargo, estos dispositivos portátiles comerciales exponen a las
personas que padecen problemas de salud mental a amenazas similares a las
de las aplicaciones comerciales: preocupaciones sobre la precisión, la validez y
la privacidad de los datos, y solo unos pocos tienen una sólida base de
evidencia científica (Haghiet al., 2017).
A pesar de la creciente evidencia y los nuevos conocimientos
provenientes de mHealth, pocos ensayos clínicos importantes hasta
la fecha los han integrado como métodos complementarios para
medir los resultados, aunque hay algunas excepciones (Kessinget al.
, 2017; kaset al., 2019; Matchamet al., 2019; scottet al., 2019). Parece
que la industria farmacéutica ha mostrado poco interés en
incorporar plataformas mHealth en sus ensayos clínicos. Sin duda,
la recopilación de datos granulares y continuos sobre el curso y los
síntomas de la enfermedad, así como las ventajas de la integridad
de los datos, puede ser un método rentable para obtener nuevos
conocimientos sobre la respuesta al tratamiento, la adherencia y la
tolerabilidad a lo largo del tiempo.
Las intervenciones de mHealth basadas en la evidencia se limitan
actualmente al campo de la investigación
El potencial más investigado de mHealth en AD ha sido la
posibilidad de aprovechar las capacidades de los teléfonos
inteligentes para brindar intervenciones, con o sin monitoreo de
síntomas (Batraet al., 2017). Estas intervenciones tenían como
objetivo ampliar y facilitar los servicios terapéuticos y de
seguimiento de forma rentable. Los fines, dianas y objetivos de
estas intervenciones de mHealth en el campo de la EA han sido
diversos, al igual que los diseños de los estudios realizados
(Hidalgo-Mazzeiet al., 2015; Estuarioet al., 2017; Gliddonet al., 2017).
Teniendo en cuenta la metodología emergente y en su mayoría
desconocida para realizar estos estudios, así como la falta de pautas
uniformes, los resultados han sido igualmente variables. Los
diseños y la metodología del estudio tenían como objetivo evaluar la
eficacia de la intervención además del tratamiento habitual (TAU)
controlado frente a un tratamiento activo, TAU solo, lista de espera
(es decir, controles inactivos), recursos digitales no estructurados o
entrevistas individuales cara a cara. o intervenciones grupales (es
decir, controles activos). Hubo diferencias en cuanto a cómo se
aplicaron estas intervenciones junto con TAU: como una
herramienta de autogestión, una aplicación complementaria que
complementa otros componentes cara a cara o un puente de
comunicación entre usuarios y médicos. El compromiso con las
intervenciones de mHealth fue un problema en varios de estos
estudios. Además, la metodología de la mayoría de estos estudios
se basó en principios de diseño similares a los de los ensayos
clínicos farmacológicos o psicológicos. En los trastornos depresivos
unipolares, estos enfoques han mostrado tamaños de efecto
moderados en comparación con los controles inactivos, pero solo
efectos pequeños en la reducción de los síntomas que alcanzan la
remisión de los trastornos en comparación con los controles activos
tanto en la atención primaria como en la secundaria (Firthet al.,
2017; Wanget al., 2018).
Mientras tanto, las intervenciones basadas en teléfonos inteligentes en BD no
se quedaron atrás, en general con el objetivo de aprovechar las posibilidades
de recolección continua de datos tanto activos como pasivos.
información para monitorear los síntomas y proporcionar las
intervenciones apropiadas (Hidalgo-Mazzeiet al., 2015). Al igual que
con las intervenciones de depresión unipolar, en BD se evaluaron
diversas modalidades en la forma en que estas intervenciones se
integraron en TAU. La más conocida de estas iniciativas ha sido el
proyecto MONARCA, que a través de sucesivos estudios ha
demostrado las capacidades de los teléfonos inteligentes para
monitorear e identificar la actividad de la enfermedad, así como
nuevos conocimientos sobre la inestabilidad del estado de ánimo en
personas que sufren de TB incluso durante estados eutímicos
(Faurholt-Jepsenet al., 2015c; Faurholt Jepsenet al., 2019a). El
principal componente de intervención de la aplicación para
teléfonos inteligentes en los ensayos MONARCA tenía como objetivo
establecer un flujo constante de información activa y pasiva entre el
usuario y el equipo de atención médica para facilitar la detección
temprana de síntomas y la intervención oportuna. Sin embargo,
ninguno de los dos grandes ensayos clínicos realizados con la
aplicación desarrollada por el proyecto MONARCA (es decir, la
solución Monsenso) destinada a la monitorización activa y pasiva ha
mostrado efectos significativos en cuanto a la reducción de
síntomas en comparación con el grupo control. Aunque se
informaron efectos significativos para la calidad de vida y el estrés
percibido (Faurholt-Jepsenet al., 2015a; Faurholt Jepsenet al., 2019b).
Este podría no ser un resultado totalmente insatisfactorio, ya que
sugiere las limitaciones de mHealth para cambiar el curso de una
enfermedad. La mayoría de estas enfermedades implican la grave
desregulación de los mecanismos biológicos centrales, que pueden
no ser modificables mediante cambios de comportamiento. Sin
embargo, mejorar y aliviar la carga que estas condiciones imponen
en la vida diaria de los pacientes son logros igualmente valiosos y
válidos de las herramientas de mHealth.
Otras aplicaciones para teléfonos inteligentes en el campo de BD han
intentado ofrecer estrategias de afrontamiento personalizadas o
contenido psicoeducativo y estos tienen altas tasas de aceptabilidad y
satisfacción, pero los hallazgos con respecto a la eficacia y el
compromiso compartieron las mismas limitaciones y problemas de las
aplicaciones para la depresión unipolar (Hidalgo-Mazzeiet al., 2015;
Nicoláset al., 2015; Gliddonet al., 2017). Las nuevas iniciativas dirigidas a
los síntomas transdiagnósticos en los trastornos psiquiátricos en lugar
de los aspectos de un trastorno individual han comenzado a mostrar
algunos resultados prometedores (Ben-Zeevet al., 2019) y esta podría ser
una vía fructífera para explorar.
Independientemente del enfoque y el objetivo de AD, hay un factor
común en todos los proyectos de investigación: pocas o ninguna de las
aplicaciones desarrolladas y probadas se lanzaron o estuvieron
disponibles para que los usuarios del servicio accedan de forma gratuita
o comercial. Permanecieron en su mayoría restringidos a proyectos de
investigación y pocos se dirigieron a estudios de implementación en el
mundo real. Si esto se debe a la falta de directrices, reglamentos o
requisitos (es decir, eficacia, validez, seguridad) para su implementación,
aún es un tema de discusión. Además, a pesar de que la captura de datos
de teléfonos inteligentes activos y pasivos para identificar biomarcadores
de comportamiento y ofrecer intervenciones personalizadas parece
atractiva, existen varias limitaciones técnicas integradas multiplataforma.

Copyright © 2020 Wolters Kluwer Health, Inc. Se prohíbe la reproducción no autorizada de este artículo.

en los sistemas operativos (SO) de los teléfonos inteligentes, así como la
variabilidad interindividual no explorada y los problemas de compromiso
cuando estas plataformas se amplían en condiciones del mundo real
(Hidalgo-Mazzeiet al., 2018a; torosoet al., 2018; Goodday y Cipriani, 2019)
Cualquiera que sea la razón, mientras que las personas que padecen DA
están expuestas a aplicaciones totalmente no probadas, que se
multiplican cada semana en las tiendas de aplicaciones, las soluciones de
mHealth desarrolladas y probadas en el ámbito académico (muchas con
resultados positivos) siguen siendo infrautilizadas.
Sin duda, el mantenimiento a largo plazo de una plataforma mHealth
implica costos significativos (por ejemplo, mantenimiento del servidor,
parches de seguridad, corrección de errores regulares con las
actualizaciones del sistema operativo, etc.), que son difíciles de asumir en
el contexto de proyectos académicos, la mayoría de los cuales dependen
sobre financiación limitada. Sin embargo, hay otras opciones disponibles,
por ejemplo, la liberación del código a repositorios de código abierto o el
establecimiento de una asociación con empresas comerciales,
organizaciones sin fines de lucro o asociaciones de pacientes.
En este punto, hay varias preguntas sin respuesta sobre los resultados
de AD más apropiados en los estudios de soluciones de mHealth:
¿Deberíamos aspirar a demostrar la eficacia de las herramientas de
mHealth utilizando los mismos diseños de estudio que los ensayos
farmacológicos y psicológicos? ¿Puede la mHealth cambiar el curso de la
enfermedad cuando los agentes farmacológicos y los tratamientos
psicológicos presenciales han fracasado previamente? Alternativamente,
¿deberíamos enfocarnos en los resultados que son cruciales para los
pacientes en lugar de para la academia, como la calidad de vida, el
bienestar y el funcionamiento? Finalmente, ¿deberíamos replantearnos
cómo integrar estas nuevas herramientas como métodos auxiliares y
complementarios en nuestra práctica clínica diaria y protocolos de
investigación?
Repensando el lugar de mHealth en el presente y
futuro de la psiquiatría
En este momento, no tiene sentido sugerir que debemos
ignorar o evitar el uso de herramientas de salud móvil por parte
de personas que padecen EA a menos que tengamos evidencia
convincente para respaldar una recomendación. Las personas
ya están utilizando estos dispositivos y, al menos en algunos
casos, brindan datos y herramientas útiles para controlar su
enfermedad. Además, la evidencia sugiere un interés creciente
y una demanda latente por estos nuevos tipos de tecnologías
que no se pueden ignorar. Sin embargo, en el caso, es
importante enfatizar a los usuarios del servicio que se debe
tener precaución en cuanto a la exactitud y validez de las
plataformas mHealth comerciales y no validadas, y que no es
posible confiar exclusivamente en ellas para cualquier abordaje
terapéutico, lo que debe ser discutido con sus médicos.
Se han propuesto marcos de toma de decisiones compartidas sobre
cómo y cuándo utilizar estas herramientas en contextos clínicos
(Torouset al., 2018). Sin embargo, debido a la creciente diversidad
del mercado, es útil tener en cuenta que la información sobre las
herramientas comerciales de mHealth no siempre está disponible
para evaluarlas dentro de los marcos actuales. Alternativamente,
Copyright © 2020 Wolters Kluwer Health, Inc. Se prohíbe la reproducción no autorizada de este artículo.
mHealth en los trastornos afectivosHidalgo-Mazzeiy otros. sesenta y cinco
Se han desarrollado pautas de calificación de aplicaciones y plataformas
de calificación de aplicaciones para filtrar, identificar y describir la
cantidad significativa de aplicaciones de salud mental, con diferentes
niveles de éxito y rigor científico (Neary y Schueller, 2018).
Las partes interesadas y los gobiernos están trabajando actualmente en
las regulaciones de mHealth, pero aún no se han generalizado al público
en general en la mayoría de los países. Dadas las circunstancias, la
opción más factible a corto plazo sería trabajar de cerca y en
colaboración con los principales actores en el mercado de dispositivos
portátiles y sistemas operativos para teléfonos inteligentes que ofrecen
estos productos en sus tiendas de aplicaciones. Una posible solución
podría ser implementar una clasificación jerárquica y comprensible para
aplicaciones y productos relacionados con la salud en función de la
disponibilidad de estudios y sus resultados. Esto debería ser el resultado
del consenso y acuerdo entre las agencias reguladoras de la salud y las
empresas, pero un ejemplo hipotético se presenta en la Tabla 1. Esta
clasificación también puede considerar la disponibilidad de información
concisa y clara para los usuarios relacionada con la privacidad, seguridad
y confidencialidad de los datos recopilados a través de un sistema de
puntuación fácil de usar. Si esto pudiera adoptarse y generalizarse
dentro de las tiendas de aplicaciones y las etiquetas de productos
portátiles, podría facilitar que los usuarios y los médicos consideren
información relevante en su proceso de toma de decisiones compartida.
Esta parece ser una ruta más corta para una solución que establecer
regulaciones nacionales o internacionales y hacer cumplir en el campo
de la salud móvil y también podría animar a los desarrolladores de
software y a las empresas a evaluar sus aplicaciones y productos antes
de lanzarlos para su comercialización.
En el campo de la investigación, existe la necesidad de llegar a un
consenso sobre si, cuándo y cómo las plataformas de mHealth
desarrolladas en el contexto de proyectos de investigación podrían
extenderse aún más para su uso por parte de la población objetivo.
Muchos fondos de investigación están dirigidos a acelerar el espíritu
empresarial de atención médica a través de empresas derivadas y
nuevas empresas. No obstante, pocos proyectos académicos,
exitosos o no, se han abierto camino hacia los mercados
comerciales con este enfoque. Para fomentar la reutilización de los
códigos fuente y el conocimiento dentro de los consorcios
interinstitucionales, proponemos un marco de colaboración que, en
última instancia, podría reducir el riesgo de que estos considerables
esfuerzos académicos queden sin explotar. Después,
tabla 1 Ejemplo de una clasificación de nivel de evidencia hipotética
para aplicaciones/dispositivos de mHealth
Categoría Descripción
A Estudios adecuados y bien controlados en poblaciones clínicas han
demostrado la seguridad y validez de la aplicación/producto para las
siguientes condiciones de salud: a, b, c, d.
B Ensayos clínicos no controlados han demostrado la seguridad o validez
de esta aplicación/producto para las siguientes condiciones de salud: a, b, c, d.
C Ensayos individuales no controlados han demostrado la seguridad de este
app/producto para las siguientes condiciones de salud: a, b, c, d. No
D hay estudios científicos disponibles sobre la validez o eficacia de
esta aplicación/producto en poblaciones clínicas.
X Los estudios en poblaciones clínicas han demostrado riesgos significativos
en el uso de esta aplicación/producto
66Psicofarmacología Clínica Internacional2020, Vol 35 No 2

y una vez que se hayan establecido la comercialización y los y facilitar que las plataformas de mHealth lleguen a los usuarios del
derechos de autor, los repositorios de código abierto, las empresas servicio (Fig. 1). Tales iniciativas han sido propuestas pero
derivadas o la asociación con empresas externas podrían acelerar raramente implementadas (Klannet al., 2013).

Figura 1

Consorcio marco de colaboración para desarrollar, explotar y distribuir soluciones mHealth.

Copyright © 2020 Wolters Kluwer Health, Inc. Se prohíbe la reproducción no autorizada de este artículo.

Este parece el momento apropiado para repensar los resultados
primarios de mHealth en los ensayos clínicos de AD. Si bien se han
logrado avances significativos, usar los mismos diseños y apuntar a
los mismos resultados que los medicamentos farmacéuticos y los
tratamientos psicológicos presenciales podría subestimar el
potencial de la salud móvil como herramientas para mejorar las
intervenciones, la calidad de vida y el bienestar. Además, los
estudios exploratorios que emplean datos generados por teléfonos
inteligentes y dispositivos portátiles, en combinación con otros
enfoques de investigación, podrían continuar dilucidando la
fenomenología de la DA a través de técnicas de aprendizaje
automático y profundo, que ya están demostrando sus capacidades
en este sentido (Martínez y Yannakakis, 2014). ;Choet al., 2019). Esto
no solo podría ayudar a obtener nuevos conocimientos sobre el
curso y el pronóstico de las enfermedades, sino también nuevas
formas de medir la respuesta al tratamiento y los efectos
secundarios en los ensayos clínicos.
Finalmente, también consideramos necesario tener en cuenta
otros factores más allá de centrarnos exclusivamente en el
tratamiento más eficaz. Por ejemplo, aunque algunas
aplicaciones pueden no ser tan efectivas como la psicoterapia
convencional (Richards y Richardson, 2012), podrían ayudar a
promover la igualdad de acceso a recursos de salud mental
válidos al eliminar barreras como la financiación insuficiente o
el estigma social, particularmente en atención primaria y en
países de bajos ingresos.
En menos de una década, la mHealth en el campo de la DA ya ha
demostrado suficientemente su potencial. Por lo tanto, necesitamos
reflexionar de forma colaborativa para llegar a un consenso sobre cómo
se puede incorporar esta nueva herramienta en nuestra práctica clínica y
cómo se pueden desarrollar las posibilidades que abre para la
investigación. Ahora que el futuro del que hablábamos hace unos años
se está haciendo presente rápidamente, también sugiere que este es el
momento adecuado para iniciar este proceso.
Agradecimientos
Los dos casos informados brevemente en la introducción para
ilustrar el desafío y los problemas de mHealth en entornos
clínicos del mundo real se basan en casos clínicos compuestos.
No se incluyó información identificable de ningún caso real.
DH y EV han diseñado, desarrollado, realizado y participado en
estudios de investigación académicos no comerciales con
soluciones de salud mental electrónica en trastornos afectivos.
Conflictos de interés
No hay conflictos de intereses.
Referencias
Abdullah S, Matthews M, Frank E, Doherty G, Gay G, Choudhury T (2016).
Detección automática de ritmos sociales en el trastorno bipolar.J Am Med Inform
Assoc23:538–543.
Armontrout JA, Torous J, Cohen M, McNiel DE, Binder R (2018). registro actual
ulación de aplicaciones móviles de salud mental.J Am Acad Ley de Psiquiatría 46:
204–211.
Batra S, Baker RA, Wang T, Forma F, DiBiasi F, Peters-Strickland T (2017). Digital
tecnología sanitaria para uso en pacientes con enfermedad mental grave: una revisión
sistemática de la literatura.Dispositivos médicos (Auckl)10:237–251.
Copyright © 2020 Wolters Kluwer Health, Inc. Se prohíbe la reproducción no autorizada de este artículo.
mHealth en los trastornos afectivosHidalgo-Mazzeiy otros. 67
Bauer R, Conell J, Glenn T, Alda M, Ardau R, Baune BT,y otros. (2016). uso de internet
por pacientes con trastorno bipolar: resultados de una encuesta internacional multisitio.
Res de Psiquiatría242:388–394.
Ben-Zeev D, Buck B, Chu PV, Razzano L, Pashka N, Hallgren KA (2019).
Salud móvil transdiagnóstica: la intervención del teléfono inteligente reduce los síntomas
depresivos en personas con trastornos del estado de ánimo y psicóticos.JMIR Ment Health 6:
e13202.
Chan S, Torous J, Hinton L, Yellowlees P (2015). Hacia un marco para la evaluación
ing aplicaciones móviles de salud mental.Telemed JE Salud21:1038–1041. Cho CH, Lee T, Kim MG,
In HP, Kim L, Lee HJ (2019). Predicción del estado de ánimo de los pacientes
con trastornos del estado de ánimo mediante el aprendizaje automático utilizando fenotipos
digitales pasivos basados en el ritmo circadiano: estudio de cohorte observacional prospectivo.J
Med Internet Res21:e11029.
Colombo D, Fernández-Álvarez J, Patané A, Semonella M, Kwiatkowska M,
García-Palacios A,y otros. (2019). Estado actual y direcciones futuras de la
evaluación e intervención momentánea ecológica basada en tecnología para el
trastorno depresivo mayor: una revisión sistemática.J Clin Med8:465.
Cook JD, Prairie ML, Plante DT (2017). Utilidad del fitbit flex para evaluar el sueño en
trastorno depresivo mayor: una comparación con la polisomnografía y la
actigrafía de pulsera.J Afecto Desorden217:299–305.
Davis SW, Oakley-Girvan I (2017). Lograr valor en las aplicaciones móviles de salud
para sobrevivientes de cáncer.J Cancer Surviv11:498–504.
De Crescenzo F, Economou A, Sharpley AL, Gormez A, Quested DJ (2017).
Características actigráficas del trastorno bipolar: una revisión sistemática y un
metanálisis.Sueño Med Rev33:58–69.
Dogan E, Sander C, Wagner X, Hegerl U, Kohls E (2017). basado en teléfono inteligente
seguimiento de datos objetivos y subjetivos en los trastornos afectivos: ¿dónde
estamos y hacia dónde vamos? Revisión sistemática.J Med Internet Res 19:e262.
Evenson KR, Goto MM, Furberg RD (2015). Revisión sistemática de la validez
y confiabilidad de los rastreadores de actividad portátiles para el consumidor.Int J Behav Nutr
Phys Act12:159.
Faurholt-Jepsen M, Frost M, Busk J, Christensen EM, Bardram JE, Vinberg M,
Kessing LV (2019a). Diferencias en la inestabilidad del estado de ánimo en pacientes con
trastorno bipolar tipo I y II: un estudio basado en teléfonos inteligentes.Trastorno
Bipolar Int J7:5. Faurholt-Jepsen M, Frost M, Christensen EM, Bardram JE, Vinberg M, Kessing
LV (2019b). El efecto de la monitorización basada en teléfonos inteligentes sobre la actividad de
la enfermedad en el trastorno bipolar: el ensayo aleatorizado controlado simple ciego MONARCA
II. Psicología Med49:1–11.
Faurholt-Jepsen M, Frost M, Ritz C, Christensen EM, Jacoby AS, Mikkelsen
rl,y otros. (2015a). Autocontrol electrónico diario en el trastorno bipolar utilizando
teléfonos inteligentes: el ensayo MONARCA I: un ensayo aleatorizado, controlado con
placebo, simple ciego, de grupos paralelos.Psicología Med45:2691–2704. Faurholt-
Jepsen M, Vinberg M, Frost M, Christensen EM, Bardram JE, Kessing
LV (2015b). Datos de teléfonos inteligentes como biomarcador electrónico de la actividad de la enfermedad
en el trastorno bipolar.trastorno bipolar17:715–728.
Faurholt-Jepsen M, Vinberg M, Frost M, Christensen EM, Bardram JE, Kessing
LV (2015c). Datos de teléfonos inteligentes como biomarcador electrónico de la actividad de la enfermedad
en el trastorno bipolar.trastorno bipolar17:715–728.
Faurholt-Jepsen M, Munkholm K, Frost M, Bardram JE, Kessing LV (2016).
Autocontrol electrónico del estado de ánimo utilizando plataformas informáticas en pacientes
adultos con trastorno bipolar: una revisión sistemática de la validez y la evidencia.Psiquiatría
BMCdieciséis:7.
Firth J, Torous J, Nicholas J, Carney R, Pratap A, Rosenbaum S, Sarris J (2017).
La eficacia de las intervenciones de salud mental basadas en teléfonos inteligentes para los
síntomas depresivos: un metanálisis de ensayos controlados aleatorios.Psiquiatría mundial
dieciséis:287–298.
Gliddon E, Barnes SJ, Murray G, Michalak EE (2017). Tecnología móvil y en línea
ogías para el autocuidado en el trastorno bipolar: una revisión sistemática.Psiquiatría
rehabilitación J40:309–319.
Buenos días SM, Cipriani A (2019). Desafíos en la identificación de marcadores de comportamiento
del trastorno bipolar a través de datos objetivos de teléfonos inteligentes.Aust NZJ Psiquiatría 53:
168–169.
Haghi M, Thurow K, Stoll R (2017). Dispositivos portátiles en Internet médica de
cosas: investigación científica y dispositivos disponibles comercialmente.Informe de
Salud Res.23:4–15.
Hidalgo-Mazzei D, Mateu A, Reinares M, Matic A, Vieta E, Colom F (2015).
Intervenciones psicológicas basadas en Internet para el trastorno bipolar: revisión del
presente y perspectivas sobre el futuro.J Afecto Desorden188:1–13. Hidalgo-Mazzei D,
Nikolova VL, Kitchen S, Young AH (2019). conectado a Internet
propiedad, uso e intereses de los dispositivos en el trastorno bipolar: desde el escritorio hasta la
salud mental móvil.Dígito. Psiquiatría2:1–7.
Hidalgo-Mazzei D, Reinares M, Mateu A, Nikolova VL, Bonnín CDM, Samalin L,
y otros. (2018). Opensimple: un estudio de viabilidad de implementación en el mundo real de un
programa de psicoeducación basado en teléfonos inteligentes para el trastorno bipolar.J Afecto
Desorden241:436–445.
68Psicofarmacología Clínica Internacional2020, Vol 35 No 2
Hidalgo-Mazzei D, Young AH (2019). La psiquiatría predijo.Aust NZJ Psiquiatría
53:365–366.
Hidalgo-Mazzei D, Young AH, Vieta E, Colom F (2018). Biomarcadores de comportamiento
y salud mental móvil: un nuevo paradigma.Trastorno Bipolar Int J6:9. Huckvale K,
Torous J, Larsen ME (2019). Evaluación del intercambio de datos y
prácticas de privacidad de las aplicaciones de teléfonos inteligentes para la depresión y el abandono del hábito de fumar.
Abierto de la Red JAMA2:e192542.
Insel TR (2018). Fenotipado digital: una herramienta global para la psiquiatría.Psiquiatría mundial
17:276–277.
Josephine K, Josefine L, Philipp D, David E, Harald B (2017). Internet- y móvil-
intervenciones basadas en la depresión para personas con depresión diagnosticada:
una revisión sistemática y un metanálisis.J Afecto Desorden223:28–40.
Kas MJ, Penninx B, Sommer B, Serretti A, Arango C, Marston H (2019). una cantidad
Enfoque tativo de la neuropsiquiatría: el por qué y el cómo.Neurosci Biobehav
Rev97:3–9.
Kessing LV, Munkholm K, Faurholt-Jepsen M, Miskowiak KW, Nielsen LB, Frikke-
schmidt r,y otros. (2017). El estudio de aparición de la enfermedad bipolar: protocolo de investigación para
el estudio de cohorte BIO.BMJ Abierto7:e015462.
Klann JG, McCoy AB, Wright A, Wattanasin N, Sittig DF, Murphy SN (2013).
Transformación de la atención médica a través de la colaboración en proyectos informáticos de
código abierto: integración de una plataforma de aplicaciones médicas, depósito de datos de
investigación y resumen de pacientes.Interact J Med Res2:e11.
Krane-Gartiser K, Asheim A, Fasmer OB, Morken G, Vaaler AE, Scott J (2018).
La actigrafía como marcador objetivo intraindividual de los patrones de actividad en el trastorno
bipolar de fase aguda: una serie de casos.Trastorno Bipolar Int J6:8.
Larsen ME, Nicholas J, Christensen H (2016). Una evaluación sistemática de smart-
herramientas telefónicas para la prevención del suicidio.Más uno11:e0152285.
Martínez HP, Yannakakis GN (2014). Fusión multimodal profunda, en: Actas de
la 16ª Conferencia Internacional sobre Interacción Multimodal - ICMI '14. ACM Press,
Nueva York, Nueva York, Estados Unidos. págs. 34–41.
Matcham F, Barattieri de San Pietro C, Bulgari V, de Girolamo G, Dobson R,
Eriksson H,y otros.; Consorcio RADAR-CNS (2019). Evaluación remota de la
enfermedad y la recaída en el trastorno depresivo mayor (RADAR-MDD): un
protocolo de estudio de cohorte prospectivo multicéntrico.Psiquiatría BMC19:72.
Merikangas KR, Swendsen J, Hickie IB, Cui L, Shou H, Merikangas AK,y otros.
(2019). Monitoreo móvil en tiempo real de las asociaciones dinámicas entre la actividad
motora, la energía, el estado de ánimo y el sueño en adultos con trastorno bipolar.JAMA
Psiquiatría76:190–198.
Moberg C, Niles A, Beermann D (2019). Trabajos de autoayuda guiados: aleatorizados
ensayo controlado en lista de espera de pacifica, una aplicación móvil que integra terapia
cognitiva conductual y atención plena para el estrés, la ansiedad y la depresión.J Med Internet
Res21:e12556.
Copyright © 2020 Wolters Kluwer Health, Inc. Se prohíbe la reproducción no autorizada de este artículo.
Naslund JA, Aschbrenner KA, Bartels SJ (2016). Cómo las personas con trastornos mentales graves
enfermedad usan teléfonos inteligentes, aplicaciones móviles y redes sociales.Psiquiatría rehabilitación J 39:
364–367.
Neary M, Schueller SM (2018). Estado del campo de las aplicaciones de salud mental.cognición
Práctica de comportamiento25:531–537.
Nicholas J, Larsen ME, Proudfoot J, Christensen H (2015). aplicaciones móviles para
trastorno bipolar: una revisión sistemática de las características y la calidad del contenido.J Med
Internet Res17:e198.
Pérez Arribas I, Goodwin GM, Geddes JR, Lyons T, Saunders KEA (2018). A
modelo de aprendizaje automático basado en firmas para distinguir el trastorno bipolar
y el trastorno límite de la personalidad.Psiquiatría Transl8:274.
Richards D, Richardson T (2012). Tratamientos psicológicos por ordenador
para la depresión: una revisión sistemática y un metanálisis.Clin Psicología Rev
32:329–342.
Scott J, Hidalgo-Mazzei D, Strawbridge R, Young A, Resche-Rigon M, Etain B,
y otros. (2019). Estudio de cohorte prospectivo de firmas biológicas tempranas de respuesta al
litio en trastornos bipolares I: descripción general de la iniciativa R-link financiada por H2020.
Trastorno Bipolar Int J7:20
Scott J, Murray G, Henry C, Morken G, Scott E, Angst J,y otros. (2017). Activación en
trastornos bipolares: una revisión sistemática.JAMA Psiquiatría74:189–196.
Seppälä J, Vita I De, Jämsä T, Miettunen J, Isohanni M, Rubinstein K,y otros.
(2019). Enfoques de mHealth basados en sensores portátiles y teléfonos
móviles para trastornos y síntomas psiquiátricos: revisión sistemática.JMIR Ment
Heal 6:e9819.
Stoyanov SR, Hides L, Kavanagh DJ, Zelenko O, Tjondronegoro D, Mani M
(2015). Escala de calificación de aplicaciones móviles: una nueva herramienta para evaluar la calidad de las
aplicaciones móviles de salud.JMIR Msalud Usalud3:e27.
Torous J, Friedman R, Keshavan M (2014). Propiedad de teléfonos inteligentes e interés en
aplicaciones móviles para monitorear síntomas de condiciones de salud mental.JMIR
Msalud Usalud2:e2.
Torous J, Nicholas J, Larsen ME, Firth J, Christensen H (2018). Revisión clínica de
compromiso del usuario con aplicaciones de teléfonos inteligentes de salud mental: evidencia,
teoría y mejoras.Salud mental basada en Evid21:116–119.
Torous JB, Chan SR, Gipson SYT, Kim JW, Nguyen TQ, Luo J, Wang P (2018). A
marco jerárquico para la evaluación y la toma de decisiones informadas con respecto a las aplicaciones de
teléfonos inteligentes para la atención clínica.Servicio de psiquiatría69:498–500.
Wang K, Varma DS, Prosperi M (2018). Una revisión sistemática de la eficacia
de aplicaciones móviles para el seguimiento y manejo de síntomas o trastornos de salud
mental.J Psychiatr Res107:73–78.
Zimmerman M, Morgan TA (2013). Límites problemáticos en el diagnóstico
del trastorno bipolar: la interfaz con el trastorno límite de la personalidad.Representante actual
de psiquiatría15:422.