Utiliser les données d’appareils portables pour détecter la sévérité de la dépression dans des échantillons cliniques et non cliniques

Pourquoi votre traqueur d’activité en dit peut‑être plus que vos pas

Beaucoup de personnes portent aujourd’hui des montres connectées ou des bracelets d’activité pour compter les pas et suivre leur sommeil. Cette étude pose une question frappante : ces mêmes appareils pourraient‑ils discrètement signaler qu’une personne traverse une période dépressive, avant même qu’elle ne cherche de l’aide ? En examinant les rythmes quotidiens du rythme cardiaque, du mouvement et du sommeil, les chercheurs ont étudié si des wearables grand public pouvaient aider à repérer des personnes présentant des niveaux plus élevés de symptômes dépressifs, tant chez des étudiants que chez des patients en traitement.

Deux groupes, un même appareil

Pour tester cette hypothèse, l’équipe a combiné des données de deux groupes très différents qui portaient tous le même bracelet Garmin pendant deux semaines. Un groupe était composé d’étudiants universitaires aux Pays‑Bas, dont la plupart n’étaient pas en traitement pour un trouble mental. L’autre provenait d’une clinique universitaire allemande, où des patients recevaient une thérapie pour une dépression diagnostiquée. Tous ont également rempli un bref questionnaire standard sur l’humeur, et les chercheurs ont utilisé les scores pour classer les participants en « dépistage positif pour la dépression » ou « non dépistage positif ». Cette configuration leur a permis de vérifier si les signaux des wearables pouvaient distinguer les personnes ayant des niveaux de symptômes plus élevés ou plus faibles, à la fois en contexte quotidien et clinique.

Transformer les rythmes quotidiens en signaux

Les bracelets ont enregistré des caractéristiques basiques que mesurent la plupart des traqueurs d’activité : le nombre de pas quotidien, la durée du sommeil, les heures de coucher et de réveil, et le comportement du rythme cardiaque pendant l’éveil et le sommeil. Plutôt que de se concentrer sur des journées isolées, l’équipe a résumé deux semaines de données par personne, capturant non seulement des moyennes mais aussi la variabilité d’un jour à l’autre. Ils ont ensuite utilisé un type de modèle statistique couramment employé en apprentissage automatique, conçu pour gérer de nombreux prédicteurs corrélés, afin de vérifier si un mélange de ces caractéristiques pouvait classer correctement qui était dépisté comme présentant une sévérité dépressive plus élevée.

Ce que les wearables ont révélé

Sur l’ensemble des 282 participants, le modèle a montré de bonnes performances : sur les données de test mises de côté, il distinguait correctement les groupes à symptômes élevés ou faibles environ quatre fois sur cinq. Trois types de signaux se sont détachés. Les personnes dont le sommeil était plus irrégulier — variations plus importantes de la durée du sommeil d’une nuit à l’autre — avaient davantage de chances d’appartenir au groupe à symptômes élevés. Celles qui atteignaient des pics de pas plus bas lors de leurs journées les plus actives montraient aussi plus souvent des symptômes sévères, confirmant des travaux antérieurs liant la dépression à une activité physique réduite. Enfin, les individus dont la fréquence cardiaque diurne la plus basse était particulièrement basse avaient plus de chances d’être dans le groupe à symptômes élevés, ce qui suggère des modifications de l’éveil corporel ou de l’énergie pouvant accompagner la dépression.

Au‑delà de qui vous êtes, vers votre mode de vie

Les chercheurs ont également vérifié dans quelle mesure la prédiction provenait simplement du fait de savoir à quel groupe appartenait une personne — étudiant ou patient de clinique. L’appartenance au groupe en elle‑même était un indice fort, puisque l’échantillon clinique présentait en moyenne des scores de dépression bien plus élevés que l’échantillon étudiant. Pourtant, lorsque les caractéristiques issues des wearables étaient ajoutées à des modèles connaissant déjà le groupe d’appartenance, la performance globale s’améliorait. Autrement dit, la façon dont une personne dormait, bougeait et le comportement de son cœur ajoutait encore de l’information par‑dessus des facteurs de contexte de base. Des analyses de suivi ajustant pour l’âge, l’heure du coucher ou de légers changements de seuils au questionnaire d’humeur ont donné des résultats similaires, bien que les signaux les plus importants aient un peu basculé vers le timing du sommeil et les profils de fréquence cardiaque au repos.

Promesse, avec des réserves importantes

Bien que les résultats soient encourageants, les auteurs insistent sur le fait que les données de wearables actuelles ne constituent pas un outil diagnostic autonome. De nombreux participants, en particulier dans le groupe clinique, ont dû être exclus parce que leurs appareils n’avaient pas fourni suffisamment de données, et l’échantillon final opposait principalement des personnes clairement dépressives à des étudiants majoritairement en bonne santé. Cela signifie que le modèle a été moins testé pour détecter des changements subtils ou précoces de l’humeur. Des différences d’âge, de stress académique et d’autres circonstances de vie entre les groupes ont également pu influencer les schémas observés. Ce travail montre que les rythmes quotidiens captés par des gadgets courants peuvent refléter des aspects significatifs de la santé mentale, mais un usage fiable et opérationnel en conditions réelles exigera des études plus larges et plus diversifiées.

Ce que cela signifie pour la vie quotidienne

Pour un non‑spécialiste, la conclusion principale est que des changements dans la régularité du sommeil, le mouvement et l’« état de repos » corporel laissent des empreintes mesurables que les montres intelligentes peuvent détecter. Dans cette étude, ces empreintes ont aidé à identifier des personnes présentant des niveaux plus élevés de symptômes dépressifs, tant chez des étudiants que chez des patients. À l’avenir, des méthodes similaires pourraient soutenir des systèmes d’alerte précoce avertissant des individus ou des cliniciens lorsque des schémas commencent à ressembler à ceux associés à la dépression, orientant vers des conversations ou des bilans opportuns. Pour l’instant, le message est optimiste mais prudent : votre traqueur d’activité commence à entrevoir des indices de votre santé mentale, mais il n’est pas encore prêt à remplacer un professionnel formé — ni votre propre démarche pour demander de l’aide.

Citation: Hehlmann, M.I., Tutunji, R., Lutz, W. et al. Using wearable data to detect depression severity across clinical and non-clinical samples. Sci Rep 16, 11380 (2026). https://doi.org/10.1038/s41598-026-47177-3

Mots-clés: appareils portables, détection de la dépression, rythmes de sommeil et d’activité, santé mentale numérique, détection passive