学校でのマインドフルネスの若者の反応を予測する:MYRIAD試験の二次分析

科学分野:

• 青少年の精神保健について
• 予防的精神医学は,予防的な精神医学である.
• 医療における機械学習

背景:

• 青春期うつ病は早期予防が必要であり,学校でのマインドフルネストレーニング (SBMT) はスケーラブルなアプローチである.
• SBMTの有効性に関する現在の証拠は混在しており,パーソナライズされた予防戦略の必要性を示している.
• どの青少年がSBMTから最も恩恵を受けるかを予測することは,介入結果を最適化するために重要である.

研究 の 目的:

• ベースライン特性を用いたデータベースのアルゴリズムを開発し,どの青少年がSBMTから最も恩恵を受ける可能性が高いかを予測する.
• 青少年精神衛生のための学校ベースの予防介入の提供をパーソナライズする.

主な方法:

• My Resilience in Adolescence (MYRIAD) クラスターランダム化臨床試験 (ISRCTN86619085) の二次分析について.
• 機械学習モデル (因果森林と弾性網回帰) のトレーニングと評価のために,学校レベルのネストクロス検証を活用しました.
• 抑うつ症状の変化に基づく標準的社会情緒的学習と比較して,SBMTによる個別化された利益の評価.

主要な成果:

• 機械学習モデルは,SBMTから恩恵を受けると予測される青少年のサブセットを特定し,症状の重症度と学校の要因を主要な予測要因として用いた.
• 原因森林は許容可能な校正を示したが,弾性純回帰は控えめな予測性能を示した.
• 予測された応答者と非応答者の間のアウトカムのグループ差は,統計的に検出可能でしたが,臨床的には無視可能でした.

結論:

• 機械学習は,SBMTに対する統計的に有意な,しかし臨床的に些細な差異的な応答を持つサブグループを特定しました.
• 普遍的な学校ベースの予防プログラムで臨床的に有意義なパーソナライゼーションを達成することは,かなりの課題を提示します.
• 青少年の精神衛生への介入のためのパーソナライズされたアプローチを磨くためにさらなる研究が必要である.