단축된 우울증 평가 연구

임상적 우울증은 매년 세계 인구의 5-10%에 영향을 미치며 전 세계적으로 심각한 정신 건강 문제입니다. 성인의 우울증 수준을 평가하는 전통적인 심리적 척도가 많이 있는데, 항목이 전달하는 정보가 중복되는 경우가 많으며 점수가 반드시 항목 점수와 선형적으로 일치하지 않는 경우가 많습니다. 따라서 기계 학습 기술은 항목 점수와 최종 예측 간의 비선형 관계뿐만 아니라 항목의 중복성을 찾는 데 도움이 될 수 있습니다. Depression Anxiety Stress Scale 42(DASS-42)를 기준으로 참가자는 인구통계학적 정보(연령, 성별, 거주 국가, 인종 등)와 DASS의 42개 항목 모두에 대한 온라인 설문지를 작성해야 합니다. -42는 이 연구를 위한 데이터 세트를 제공합니다. 데이터 세트에서 가장 중요한 기능을 식별하기 위해 MRMR 및 Gini 기능 중요도와 같은 기능 선택 기술이 적용되었습니다. 그런 다음 Logistic Regression, XGBoost 및 Ensemble 모델과 같은 기계 학습 방법을 사용하여 가장 중요한 기능에 모델을 적용하여 수준을 정확하게 예측하는 단축된 우울증 척도(인구 통계 항목 및 DASS 항목으로 구성된 7-9개 항목)를 개발합니다. 우울증(AUC, ROC 및 F1 점수로 측정).