教師による異常行動のテキスト記述を用いた青年期うつ病症状の予測：機械学習に基づく研究

科学分野:

• 青年期のメンタルヘルス
• ヘルスケアにおける機械学習
• 教育心理学

背景:

• 青年期のうつ病症状は、重大な懸念事項です。
• 早期の特定は、適時の介入のために重要です。
• 教師の観察は、生徒の行動に関する貴重な洞察を提供します。

研究 の 目的:

• 青年期のうつ病症状を予測するための機械学習モデルを開発し、比較すること。
• 生徒の行動に関する教師からのテキスト記述を入力データとして利用すること。
• この予測タスクにおけるさまざまな機械学習アルゴリズムの有効性を評価すること。

主な方法:

• 441人の青年に関する教師の報告とPHQ-9スコアのテキストデータを利用しました。
• Term Frequency-Inverse Document Frequency（TF-IDF）を使用してテキストデータを処理しました。
• 80/20分割と5分割交差検証を使用して、ランダムフォレスト（RF）、サポートベクターマシン（SVM）、eXtreme Gradient Boosting（XGBoost）、LASSOの4つの機械学習モデルをトレーニングおよび評価しました。

主要な成果:

• PHQ-9スコアが10以上の場合、臨床的に有意なうつ病症状があるとスクリーニングされた青年は71.7%でした。
• ランダムフォレスト（RF）モデルは、再現率0.97、精度0.91、適合率0.92、F1スコア0.92で最高のパフォーマンスを達成しました。
• 機械学習で分析された教師の報告は、うつ病症状の特定において最大97%の再現率を示しました。

結論:

• 機械学習、特にランダムフォレストモデルは、教師から報告されたテキストから青年期のうつ病症状を効果的に予測します。
• このアプローチは、学校環境におけるうつ病の早期特定のための実用的で効率的な方法を提供します。
• うつ病症状を経験している青年のための適時の介入を促進します。