論文の概要: Perla: A Conversational Agent for Depression Screening in Digital Ecosystems. Design, Implementation and Validation

• arxiv url: http://arxiv.org/abs/2008.12875v2
• Date: Wed, 28 Jul 2021 10:00:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-24 02:22:28.546701
• Title: Perla: A Conversational Agent for Depression Screening in Digital Ecosystems. Design, Implementation and Validation
• Title（参考訳）: Perla: デジタルエコシステムにおける抑うつスクリーニングのための会話エージェント。 設計・実装・検証
• Authors: Ra\'ul Arrabales
• Abstract要約: ほとんどのうつ病評価ツールは、患者健康アンケート(PHQ-9)のような自己申告アンケートに基づいている。 PHQ-9に基づいてインタビューを行うことができる会話エージェントPerlaを開発した。 従来の自己申告アンケートの結果とPerlaの自動面接の結果を比較した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most depression assessment tools are based on self-report questionnaires, such as the Patient Health Questionnaire (PHQ-9). These psychometric instruments can be easily adapted to an online setting by means of electronic forms. However, this approach lacks the interacting and engaging features of modern digital environments. With the aim of making depression screening more available, attractive and effective, we developed Perla, a conversational agent able to perform an interview based on the PHQ-9. We also conducted a validation study in which we compared the results obtained by the traditional self-report questionnaire with Perla's automated interview. Analyzing the results from this study we draw two significant conclusions: firstly, Perla is much preferred by Internet users, achieving more than 2.5 times more reach than a traditional form-based questionnaire; secondly, her psychometric properties (Cronbach's alpha of 0.81, sensitivity of 96% and specificity of 90%) are excellent and comparable to the traditional well-established depression screening questionnaires.
• Abstract（参考訳）: 多くのうつ病アセスメントツールは、患者健康アンケート(phq-9)のような自己報告アンケートに基づいている。 これらの心理測定器は、電子フォームによってオンライン環境に容易に適応することができる。 しかし、このアプローチは現代のデジタル環境の相互作用やエンゲージメントに欠ける。 抑うつスクリーニングをより使いやすく、魅力的で効果的にすることを目的として、PHQ-9に基づいたインタビューを行うことができる会話エージェントPerlaを開発した。 また,従来の自己報告アンケートの結果とperlaのautomated interviewとの比較を行った。 調査の結果を分析した結果,インターネット利用者にとってPerlaは従来型よりも2.5倍以上のリーチを達成でき,また心理測定特性(Cronbachの0.81、感度96%、特異度90%)は優れており,従来のうつ病スクリーニングアンケートと同等であることがわかった。

関連論文リスト

• Advancing Depression Detection on Social Media Platforms Through Fine-Tuned Large Language Models [0.0]
  本研究では,利用者のソーシャルメディアデータからの抑うつ検出にLarge Language Models (LLMs) を用いることを検討した。 微調整された GPT 3.5 Turbo 1106 と LLaMA2-7B モデルを使用することで、ソーシャルメディア投稿中の落ち込んだコンテンツを96.0パーセントの精度で識別することができた。
  論文  参考訳（メタデータ） (2024-09-23T08:18:25Z)
• We Care: Multimodal Depression Detection and Knowledge Infused Mental Health Therapeutic Response Generation [41.09752906121257]
  拡張D-vlogデータセットは1,261のYouTube vlogのコレクションを含む。 本稿では,認知行動療法(Cognitive Behavioral Therapy, CBT)をベースとした, メンタルヘルス患者の初期接触として機能する仮想エージェントについて紹介する。 私たちのMistralモデルは歪み評価と分類で70.1%、30.9%、ベルトスコア88.7%を達成しました。
  論文  参考訳（メタデータ） (2024-06-15T08:41:46Z)
• LLM Questionnaire Completion for Automatic Psychiatric Assessment [49.1574468325115]
  大規模言語モデル(LLM)を用いて、非構造的心理面接を、様々な精神科領域と人格領域にまたがる構造化された質問票に変換する。 得られた回答は、うつ病の標準化された精神医学的指標(PHQ-8)とPTSD(PCL-C)の予測に使用される特徴として符号化される。
  論文  参考訳（メタデータ） (2024-06-09T09:03:11Z)
• DAIC-WOZ: On the Validity of Using the Therapist's prompts in Automatic Depression Detection from Clinical Interviews [39.08557916089242]
  近年の研究では、インタビュアーのプロンプトをモデルに組み込んだ場合の性能向上が報告されている。 インタビュアーのプロンプトを用いたモデルでは,過去のメンタルヘルス問題に関する質問が質問されるインタビューの特定の領域に焦点を絞ることが分かる。 故意に利用することで0.90F1のスコアを得ることができ、このデータセットで報告された最も高い結果は、テキスト情報のみを用いてである。
  論文  参考訳（メタデータ） (2024-04-22T09:07:50Z)
• Depression Detection on Social Media with Large Language Models [23.075317886505193]
  抑うつ検出は、ソーシャルメディア上の投稿履歴を分析して、個人が抑うつに苦しむかどうかを判断することを目的としている。 本稿では,医学的知識と大規模言語モデルの最近の進歩を融合した,DORISと呼ばれる新規なうつ病検出システムを提案する。
  論文  参考訳（メタデータ） (2024-03-16T01:01:16Z)
• PsyCoT: Psychological Questionnaire as Powerful Chain-of-Thought for Personality Detection [50.66968526809069]
  PsyCoTと呼ばれる新しい人格検出手法を提案する。これは、個人がマルチターン対話方式で心理的質問を完遂する方法を模倣するものである。 実験の結果,PsyCoTは人格検出におけるGPT-3.5の性能とロバスト性を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2023-10-31T08:23:33Z)
• TREEMENT: Interpretable Patient-Trial Matching via Personalized Dynamic Tree-Based Memory Network [54.332862955411656]
  臨床試験は薬物開発に不可欠であるが、しばしば高価で非効率な患者募集に苦しむ。 近年,患者と臨床試験を自動マッチングすることで患者採用を高速化する機械学習モデルが提案されている。 本稿では,TREement という名前の動的ツリーベースメモリネットワークモデルを導入する。
  論文  参考訳（メタデータ） (2023-07-19T12:35:09Z)
• Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
  本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。 我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。 本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
  論文  参考訳（メタデータ） (2022-11-14T18:47:26Z)
• Journaling Data for Daily PHQ-2 Depression Prediction and Forecasting [47.93070579578704]
  我々は,新たに収集した時系列データセット上で,アクティブに収集されたデータを用いて,毎日のPHQ-2スコアを予測し,予測する可能性を探る。 PHQ-2 スコアの日次予測には 1.417 の MAE が最適である。 これは、うつ病モニタリングアプリケーションにアクティブに収集されたデータを組み込むことで得られる付加価値を示す。
  論文  参考訳（メタデータ） (2022-05-06T17:47:05Z)
• NUVA: A Naming Utterance Verifier for Aphasia Treatment [49.114436579008476]
  失語症(PWA)患者の治療介入に対する反応の診断とモニタリングの両立のための画像命名タスクを用いた音声性能評価 本稿では,失語症脳卒中患者の「正しい」と「正しくない」を分類する深層学習要素を組み込んだ発話検証システムであるNUVAについて述べる。 イギリス系英語8ヶ国語でのテストでは、システムの性能精度は83.6%から93.6%の範囲であり、10倍のクロスバリデーション平均は89.5%であった。
  論文  参考訳（メタデータ） (2021-02-10T13:00:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。