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
- K-QA: A Real-World Medical Q&A Benchmark [12.636564634626422]
K-QA(K-QA)は、K Health上での実際の会話から発せられる1,212の患者質問を含むデータセットである。
我々は,K-QAのサブセットを自己完結文に分解するために,内科医のパネルを用いて回答し,手動で分解する。
我々は、いくつかの最先端モデルと、コンテキスト内学習と医学指向の拡張検索スキームの効果を評価した。
論文 参考訳(メタデータ) (2024-01-25T20:11:04Z) - 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) - SERCNN: Stacked Embedding Recurrent Convolutional Neural Network in
Detecting Depression on Twitter [2.535271349350579]
異なるドメインから事前学習した2つの埋め込みを積み重ねることでユーザ表現を改善するSERCNNを提案する。
われわれのSERCNNは最新技術や他のベースラインよりも優れた性能を示し、5倍のクロスバリデーション設定で93.7%の精度を実現している。
SERCNNは1ユーザにつき10投稿まで最小限で、BERTモデルに匹敵する87%の精度で、非常によく機能した。
論文 参考訳(メタデータ) (2022-07-29T08:08:15Z) - 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) - Improving the Generalizability of Depression Detection by Leveraging
Clinical Questionnaires [26.302025988210936]
PHQ9に記載された症状の存在により,異なる度合いに制約されたうつ病検出のためのアプローチを提案する。
3つのソーシャルメディアデータセットのデータセット転送実験において、PHQ9の症状をモデルとしてグラウンド化することで、その一般化能力が大幅に向上することがわかった。
論文 参考訳(メタデータ) (2022-04-21T22:57:11Z) - Adherence Forecasting for Guided Internet-Delivered Cognitive Behavioral
Therapy: A Minimally Data-Sensitive Approach [59.535699822923]
インターネット提供型心理的治療(IDPT)は、メンタルヘルスのアクセシビリティを向上させるための効果的でスケーラブルな経路であると考えられている。
本研究は,最小限の敏感なログイン/ログアウトデータに依存しながら,自動アドバンス予測を行うディープラーニングアプローチを提案する。
提案されたセルフアテンションネットワークは、治療期間の1/3が経過した時点で、平均的バランスの正確さを70%以上達成した。
論文 参考訳(メタデータ) (2022-01-11T13:55:57Z) - Towards Automated Psychotherapy via Language Modeling [0.0]
このモデルは、言語理解のためのコーネル映画対話コーパスと、オープンソース、匿名化、パブリックライセンスの精神療法データセットを組み合わせてトレーニングされた。
このモデルは、人間による検証データに対する標準化された定性ベンチマークで統計的に有意なパフォーマンスを達成した。
モデルは完全に精神療法士の仕事を置き換えることはできませんが、テストセットの大部分で人間の出現する発話を合成する能力は、精神療法のポイント・オブ・ケアでのスティグマのコミュニケーションと緩和への有望なステップとして機能します。
論文 参考訳(メタデータ) (2021-04-05T01:53:39Z) - 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) - A Novel Sentiment Analysis Engine for Preliminary Depression Status
Estimation on Social Media [0.0]
我々は,Twitter ソーシャルメディア上での抑うつ検出を主目的とする,ディープラーニングベースのバックエンドを備えた,クラウドベースのスマートフォンアプリケーションを提案する。
心理学者は、患者がカウンセリングの前にうつ状態を評価するためにこのアプリケーションを利用することができる。
試験精度は87.23%、AUCは0.8621である。
論文 参考訳(メタデータ) (2020-11-29T04:42:53Z)
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。