Een overzicht van de toepassing van digitale fenotypering bij het voorspellen van peripartum depressieve symptomen

Waarom dit belangrijk is voor nieuwe ouders

Zwangerschap en het eerste jaar na de bevalling worden vaak als vreugdevol beschreven, maar voor veel vrouwen gaan ze ook gepaard met ingrijpende emotionele worstelingen. Peripartumdepressie — een verzameling depressieve symptomen tijdens de zwangerschap en na de bevalling — treft wereldwijd ongeveer één op de acht tot één op de vier moeders. Toch vinden de meeste screenings nog maar één of twee keer plaats met papieren vragenlijsten, waardoor vroege waarschuwingssignalen gemakkelijk worden gemist. Dit artikel bespreekt opkomend onderzoek naar “digitale fenotypering”, het gebruik van alledaagse technologieën zoals smartphones, wearables en sociale media om subtiele gedragsveranderingen vast te leggen die kunnen wijzen dat een nieuwe moeder risico loopt en baat kan hebben bij tijdige ondersteuning.

Nieuwe aanwijzingen verborgen in dagelijkse digitale sporen

De auteurs onderzochten 14 studies die tussen 2014 en maart 2025 zijn gepubliceerd en zwangere en pas bevallen vrouwen in vijf landen volgden. In plaats van uitsluitend te vertrouwen op poliklinische bezoeken, putten deze projecten uit digitale sporen van het dagelijks leven. Sommigen verzamelden “passieve” signalen zoals slaaptijd van wearables, aantal stappen, hartslag of bewegingspatronen via GPS. Anderen verzamelden “actieve” informatie die vrouwen opzettelijk aanleverden, zoals stemmingschecks in een app, korte dagboekachtige tekstjes, berichten op sociale media en korte telefonische surveys verspreid over de dag. In de meeste studies werden depressieve symptomen nog steeds gemeten met standaardvragenlijsten zoals de Edinburgh Postnatal Depression Scale, maar digitale gegevens werden gebruikt om te beoordelen of waarschuwingspatronen eerder of nauwkeuriger konden worden gedetecteerd.

Wat slaap, activiteit en telefoon gebruik kunnen onthullen

Gemiddeld genomen staken slaappatronen eruit als enkele van de meest veelbelovende passieve signalen. Vrouwen die ’s nachts minder sliepen of meer gefragmenteerde slaap hadden tijdens de zwangerschap rapporteerden vaak hogere niveaus van depressieve symptomen, hoewel het tijdstip uitmaakt. Slechte slaap in de vroege en middenzwangerschap werd soms in verband gebracht met latere stemmingsproblemen, terwijl vergelijkbare metingen niet consequent symptomen na de bevalling voorspelden. Bevindingen voor lichamelijke activiteit waren gemengder: sommige maten, zoals nachtelijke onrust en verstoorde dagelijkse ritmes, waren gekoppeld aan hogere depressiescores, maar andere—zoals stapaantallen of tijd doorgebracht buiten huis—lieten weinig of geen voorspellende waarde zien. Interessant genoeg ontdekte één studie dat vrouwen die later postpartumdepressie kregen hun fitnesstrackers consistenter droegen, wat suggereert dat uitzonderlijk veel apparaatgebruik op zichzelf emotionele spanning of hyperwaakzaamheid kan weerspiegelen.

Woorden, berichten en posts als emotionele barometers

Actieve digitale informatie — wat vrouwen typen, tikken of posten — leverde vaak rijke aanwijzingen over de stemming. Analyses van korte dagboekentries en app-teksten toonden dat een negatieve emotionele toon, uitingen van uitputting en minder positief taalgebruik samenhingen met hogere depressiescores. Subtiele verschuivingen in woordgebruik, zoals veranderingen in voornaamwoorden of het verschijnen van termen gerelateerd aan mentale gezondheid, hielpen voorspellen wie binnen enkele weken symptomen zou ontwikkelen. Gedrag op sociale media droeg ook signalen: vaker selfies posten door pas bevallen moeders, of tekenen van sociale terugtrekking en verminderde interactie met online contacten, werden geassocieerd met een hoger depressierisico. Patronen in sms-verkeer vertelden een vergelijkbaar verhaal; vrouwen met depressieve symptomen stuurden tijdens de late zwangerschap en de periode na de bevalling doorgaans minder en kortere berichten. Gecombineerd met eenvoudige zelfrapportage-instrumenten zoals dagelijkse stemmingslogs verbeterden deze taal- en gedragspatronen de voorspellende nauwkeurigheid aanzienlijk.

Hoe goed werken de algoritmes eigenlijk?

Om ruwe digitale sporen om te zetten in risicoschattingen gebruikten onderzoekers een reeks statistische en machine learning-methoden, van klassieke regressie tot complexere modellen zoals random forests en gradient boosting. Sommige modellen die verschillende soorten informatie combineerden — zoals stemmingslogs, achtergrondkenmerken en korte in-app surveys — bereikten een hoge prestatie in het onderscheiden van vrouwen met en zonder significante depressieve symptomen. De review benadrukt echter belangrijke kanttekeningen. Studies verschilden sterk in welke signalen ze trainden, hoe vaak gegevens werden verzameld en hoe uitkomsten werden gedefinieerd. Veel studies hadden relatief kleine steekproeven, gingen niet zorgvuldig om met ontbrekende gegevens, of vertrouwden alleen op interne toetsing in plaats van hun modellen te valideren in onafhankelijke groepen vrouwen. Daardoor blijven zelfs de best presterende modellen meer veelbelovende prototypes dan kant-en-klare klinische hulpmiddelen.

Een balans tussen belofte, privacy en praktijkgebruik

De auteurs stellen dat digitale fenotypering uiteindelijk een aanvulling kan worden op, maar niet een vervanging van traditionele zorg. Het integreren van achtergrondinformatie, medische geschiedenis, factoren gerelateerd aan de baby en lopende stemmingsrapporten met passieve gegevens zoals slaap en activiteit kan een vollediger beeld geven van de mentale gezondheid van een moeder naarmate die in de tijd verandert. Tegelijk roept de aanpak belangrijke vragen op over privacy, gegevensbeveiliging, ongelijke toegang tot technologie en het risico op bevooroordeelde of onnauwkeurige voorspellingen. De review pleit voor gestandaardiseerde methoden, duidelijkere rapportage en sterkere samenwerking tussen clinici, datawetenschappers en ethici om ervoor te zorgen dat toekomstige instrumenten zowel nauwkeurig als rechtvaardig zijn.

Wat dit betekent voor moeders en gezinnen

Simpel gezegd concludeert dit artikel dat onze telefoons en wearables beginnen te fungeren als vroegwaarschuwingssensoren voor peripartumdepressie, maar dat de wetenschap nog niet rijp genoeg is voor routinematig gebruik. Slaapmetingen en korte, frequente stemmings- of tekstgebaseerde checks lijken bijzonder veelbelovend, vooral wanneer ze gecombineerd worden met iemands persoonlijke en medische geschiedenis. Toch zijn de huidige studies klein, divers en vaak methodologisch zwak, dus hun bevindingen moeten worden gezien als vroege signalen in plaats van definitieve antwoorden. Met beter ontworpen onderzoek, zorgvuldige aandacht voor ethiek en sterke bescherming van persoonlijke gegevens zou digitale fenotypering een krachtig hulpmiddel kunnen worden om kwetsbare moeders eerder te signaleren en hen te verbinden met steun voordat symptomen verergeren.

Bronvermelding: Kovacs, B.Z., Schweitzer, S., Papadopoulos, F.C. et al. A review of the application of digital phenotyping in predicting peripartum depressive symptoms. npj Digit. Med. 9, 335 (2026). https://doi.org/10.1038/s41746-026-02653-y

Trefwoorden: peripartumdepressie, digitale fenotypering, postnatale mentale gezondheid, gegevens van wearables en smartphones, monitoring van de stemming van moeders