Forkortet depresjonsvurderingsstudie

Klinisk depresjon rammer 5-10 % av verdens befolkning hvert år og er et alvorlig psykisk helseproblem globalt. Det er mange tradisjonelle psykologiske skalaer som vurderer nivåer av depresjon hos voksne, der gjenstandene deres ofte er overflødige i informasjonen de har med seg, og poengsummen deres ikke nødvendigvis er lineær i forhold til varepoengene. Maskinlæringsteknikker kan således hjelpe med å finne redundansen i elementene, så vel som det ikke-lineære forholdet mellom elementskårene og den endelige prediksjonen. Ved å bruke Depression Anxiety Stress Scale 42 (DASS-42) som grunnlag, vil deltakerne bli bedt om å fylle ut et online spørreskjema om deres demografiske informasjon (alder, kjønn, bostedsland, rase, etc.) og alle 42 elementer i DASS -42 for å gi et datasett for denne studien. Funksjonsvalgsteknikker som MRMR og Gini-funksjonsviktighet ble brukt for å identifisere de viktigste funksjonene i datasettet. Deretter, ved bruk av maskinlæringsmetoder som Logistic Regression, XGBoost og Ensemble-modeller, vil modeller bli tilpasset de viktigste funksjonene for å utvikle en forkortet depresjonsskala (7-9 elementer bestående av demografiske elementer og DASS-elementer) som nøyaktig spådde nivåene av depresjon (målt ved AUC, ROC og F1-skåre.