一般化不安障害に対するデジタルマインドフルネスベース介入への参加：機械学習による分析

科学分野:

• デジタルメンタルヘルス
• 臨床心理学
• 機械学習の応用

背景:

• マインドフルネス生態学的瞬間介入（MEMI）は、一般化不安障害（GAD）の症状緩和に有望である。
• しかし、治療への参加が最適でないことがMEMIの効果を制限している。
• ベースラインの予測因子を特定することは、GAD患者のMEMIを個別化するために重要である。

研究 の 目的:

• GAD患者において、MEMIと自己監視プラセボ（SM）を比較した場合の参加を予測するベースライン変数を特定すること。
• 治療への参加を予測するために機械学習（ML）メタ学習法を適用すること。

主な方法:

• ランダム化比較試験（N=110）でMEMIとSMを比較した。
• 2週間の参加を予測するために、16のベースライン変数（臨床的、人口統計学的、実行機能）を使用した。
• ランダムフォレストとX学習者メタアルゴリズムを採用し、Shapley値で予測因子の重要性を評価した。

主要な成果:

• 機械学習モデルは高い予測精度（決定係数 = 82.7%）を示した。
• 予測される利益（CATE）が高い参加者は、自己監視プラセボ（SM）と比較して、MEMIへの参加が有意に高かった。
• 参加の主な予測因子には、GADの重症度が低いこと、実行機能（例：注意制御、言語流暢性）が良好であること、認知的エラーが少ないことが含まれた。

結論:

• 機械学習は、デジタルメンタルヘルス介入への参加のベースライン予測因子を効果的に特定する。
• これらの予測因子に基づいた個別化介入は、GADの治療成績を向上させる可能性がある。
• 今後の研究では、より大規模で多様な集団でこれらの所見を検証する必要がある。