怒りのコーピングスタイル、気分障害質問票、双極スペクトラム診断尺度を組み合わせた機械学習による双極性障害分類のための情報項目探索

科学分野:

• 精神医学
• 計算精神医学
• ヘルスケアにおける機械学習

背景:

• 双極性障害 (BD) と主要うつ病性障害 (MDD) の鑑別は臨床的に困難です。
• 自己記入式質問票は精神的健康評価のための貴重なツールです。
• 機械学習は、精神医学における診断精度の向上に可能性をもたらします。

研究 の 目的:

• BDをMDDから区別するための機械学習分類モデルを開発および評価すること。
• 気分障害質問票 (MDQ)、双極スペクトラム診断尺度 (BSDS)、および怒りコーピング尺度 (ACS) の診断的有用性を評価すること。

主な方法:

• 122人のBD患者と67人のMDD患者のデータセットを利用しました。
• 特徴選択のために再帰的特徴除去を採用しました。
• MDQ、BSDS、およびACSの項目の組み合わせで機械学習分類器を訓練しました。

主要な成果:

• 個々の尺度は、AUC 0.8212 (MDQ) および 0.7934 (BSDS) を達成しました。
• MDQとBSDSの組み合わせはAUC 0.8477 を達成し、ACSを含めることでさらに 0.8477 に向上しました。
• 最適なパフォーマンスは、紛争、薬物使用、攻撃的行動に関連する特定の項目を除外することによって達成されました。

結論:

• 怒りのコーピングスタイルと気分症状を統合することは、BD対MDDの診断精度を大幅に向上させます。
• 機械学習モデル、特に洗練された自己記入式尺度を備えたものは、臨床診断に有望です。
• 将来のモデルは、分類を強化するために臨床的および客観的データを含めるべきです。