Introduktion: Individer som lever med bipolär sjukdom löper högre risk för psykisk ohälsa som orsakar för tidig död och medför lidande för människor globalt. Det framhäver behovet av förebyggande insatser för bipolär sjukdom, vilket gör det till en viktig folkhälsofråga. Syfte: Syftet med studien var att ge en översikt om hur digitala verktyg främjar självständigheten för individer med bipolär sjukdom. Metod: Den här systematiska litteraturstudien inkluderade 15 vetenskapliga artiklar som samlades in från databaserna Pubmed, Cinahl och Web of Science. I analysprocessen av de inkluderade artiklarna användes en tematisk analys. Resultat: Det framkom tre teman utifrån den tematiska analysprocessen, vilka utgör resultatet av studien; Övervakning med stöd av digitala verktyg, användarvänlighet, samt engagemang. Slutsats: Resultatet av studien visar att användningen av digitala applikationer kan användas för att öka självständigheten hos individer som lever med bipolär sjukdom. / Introduction: Individuals living with bipolar disorder are at higher risk of mental illness that causes premature death and human suffering globally. It highlights the need for preventive interventions for bipolar disorder, making it an important public health issue. Aim: The purpose of the study was to provide an overview of how digital tools promote independence for individuals with bipolar disorder. Method: This systematic literature review included 15 scientific articles collected from Pubmed, Cinahl and Web of Science databases. In the analysis process of the included articles, a thematic analysis was used. Results: Three themes emerged from the thematic analysis process, which constitute the result of the study; Monitoring with the support of digital tools, ease of use and commitment. Conclusion: The results of the study show that the use of digital applications can be used to increase the independence of individuals living with bipolar disorder.

This essay examines how the Norwegian web series SKAM presents mental illness; how discourse structures concerning mental illnesses are consolidated and challenged. Our analysis examines seasons one, two and three. The essay is based on Stuart Hall's representation theory, Michel Foucault's theories about madness, and Norman Fairclough's discourse theory. The starting point of the methodology used in this study is a critical discourse analysis based on Norman Fairclough's three-dimensional model. The analysis primarily examines three levels: textual level, dialogues of the characters, and visual expression apparent in the scenography of the series. We analyze how the format is used, how the story is distributed through web and social media, and how this relates to a larger social context in addition to how the narrative of mental illness is inevitably part of cultural, institutional, and social order. Our findings reveal that SKAM reinforces cultural beliefs about mental ill health by representing mental illnesses as taboo and stigmatized as well as as being a problem that is (primarily) at the individual level. Mental illness in the series is presented as a threat to community norms where mental ill health is presented at an individual level and not as a product of society's constructed desires or structural problems. The series presents very limited help for the mentally ill. The absence of acceptance of and cure for the mentally ill causes them to wind up outside society and they have greater difficulty contributing in manners similar to those of healthy, working people. / Denna uppsats undersöker hur webbserien SKAM representerar psykisk ohälsa; på vilket sätt diskursiva konstruktioner kring psykiska sjukdomar befästs och utmanas. För att analysera detta undersöks säsong ett, två och tre. Uppsatsen bygger på Stuart Halls representationsteori, Michel Foucaults teorier kring vansinnet och Norman Faircloughs diskursteori. Den metodologi som används för studien är en kritisk diskursanalys där Norman Faircloughs tredimensionella modell är utgångspunkt. Analysen sker främst på tre olika nivåer: textuell nivå; karaktärernas dialoger och seriens visuella uttryck. Hur formatet används; hur berättelsen distribueras genom webb och sociala medier. Samt hur detta sker i en större social kontext; hur berättelsen om psykisk ohälsa ofrånkomligen också är en del av en kulturell, institutionell och samhällelig ordning. Vårt resultat visar att SKAM befäster kulturella föreställningar kring psykisk ohälsa genom att representera psykiska sjukdomar som tabubelagda och stigmatiserade samt som ett problem som (främst) ligger på individnivå. De psykiskt sjuka i serien framställs som hot mot samhällets normer där den psykiska ohälsan läggs på individnivå och inte som en produkt av samhällets konstruerade begär eller strukturella problem. Mycket begränsad hjälp till psykiskt sjuka presenteras i serien. Utlämnandet av acceptans och botemedel för de psykiskt sjuka medför att de hamnar utanför samhället och får svårare att bidra på samma sätt som en frisk, arbetande person kan.

This study aims to investigate how dimensionality reduction of neuroimaging data prior to training support vector machines (SVMs) affects the classification accuracy of bipolar disorder. This study uses principal component analysis (PCA) for dimensionality reduction. An open source data set of 19 bipolar and 31 control structural magnetic resonance imaging (sMRI) samples was used, part of the UCLA Consortium for Neuropsychiatric Phenomics LA5c Study funded by the NIH Roadmap Initiative aiming to foster breakthroughs in the development of novel treatments for neuropsychiatric disorders. The images underwent smoothing, feature extraction and PCA before they were used as input to train SVMs. 3-fold cross-validation was used to tune a number of hyperparameters for linear, radial, and polynomial kernels. Experiments were done to investigate the performance of SVM models trained using 1 to 29 principal components (PCs). Several PC sets reached 100% accuracy in the final evaluation, with the minimal set being the first two principal components. Accumulated variance explained by the PCs used did not have a correlation with the performance of the model. The choice of kernel and hyperparameters is of utmost importance as the performance obtained can vary greatly. The results support previous studies that SVM can be useful in aiding the diagnosis of bipolar disorder, and that the use of PCA as a dimensionality reduction method in combination with SVM may be appropriate for the classification of neuroimaging data for illnesses not limited to bipolar disorder. Due to the limitation of a small sample size, the results call for future research using larger collaborative data sets to validate the accuracies obtained. / Syftet med denna studie är att undersöka hur dimensionalitetsreduktion av neuroradiologisk data före träning av stödvektormaskiner (SVMs) påverkar klassificeringsnoggrannhet av bipolär sjukdom. Studien använder principalkomponentanalys (PCA) för dimensionalitetsreduktion. En datauppsättning av 19 bipolära och 31 friska magnetisk resonanstomografi(MRT) bilder användes, vilka tillhör den öppna datakällan från studien UCLA Consortium for Neuropsychiatric Phenomics LA5c som finansierades av NIH Roadmap Initiative i syfte att främja genombrott i utvecklingen av nya behandlingar för neuropsykiatriska funktionsnedsättningar. Bilderna genomgick oskärpa, särdragsextrahering och PCA innan de användes som indata för att träna SVMs. Med 3-delad korsvalidering inställdes ett antal parametrar för linjära, radiala och polynomiska kärnor. Experiment gjordes för att utforska prestationen av SVM-modeller tränade med 1 till 29 principalkomponenter (PCs). Flera PC uppsättningar uppnådde 100% noggrannhet i den slutliga utvärderingen, där den minsta uppsättningen var de två första PCs. Den ackumulativa variansen över antalet PCs som användes hade inte någon korrelation med prestationen på modellen. Valet av kärna och hyperparametrar är betydande eftersom prestationen kan variera mycket. Resultatet stödjer tidigare studier att SVM kan vara användbar som stöd för diagnostisering av bipolär sjukdom och användningen av PCA som en dimensionalitetsreduktionsmetod i kombination med SVM kan vara lämplig för klassificering av neuroradiologisk data för bipolär och andra sjukdomar. På grund av begränsningen med få dataprover, kräver resultaten framtida forskning med en större datauppsättning för att validera de erhållna noggrannheten.