論文の概要: World Trade Center responders in their own words: Predicting PTSD symptom trajectories with AI-based language analyses of interviews

• arxiv url: http://arxiv.org/abs/2011.06457v1
• Date: Thu, 12 Nov 2020 15:57:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-26 06:58:03.313981
• Title: World Trade Center responders in their own words: Predicting PTSD symptom trajectories with AI-based language analyses of interviews
• Title（参考訳）: 世界貿易センターの担当者自身の言葉で語る:インタビューのAIに基づく言語分析によるPTSD症状の予測
• Authors: Youngseo Son, Sean A. P. Clouston, Roman Kotov, Johannes C. Eichstaedt, Evelyn J. Bromet, Benjamin J. Luft, and H Andrew Schwartz
• Abstract要約: 本研究は、応答者間のPTSD症状の軌跡を予測するためのAIに基づく言語アセスメントの能力を検証した。 横断的に、より大きな抑うつ言語(beta=0.32; p43)と一対一の特異な使用(beta=0.31; p44)は、症状の重症度の増加に関連していた。 長文使用率 (beta=-0.36; p7) と長文使用率 (beta=-0.36; p7) は改善を予測した。
• 参考スコア（独自算出の注目度）: 6.700088567524812
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Background: Oral histories from 9/11 responders to the World Trade Center (WTC) attacks provide rich narratives about distress and resilience. Artificial Intelligence (AI) models promise to detect psychopathology in natural language, but they have been evaluated primarily in non-clinical settings using social media. This study sought to test the ability of AI-based language assessments to predict PTSD symptom trajectories among responders. Methods: Participants were 124 responders whose health was monitored at the Stony Brook WTC Health and Wellness Program who completed oral history interviews about their initial WTC experiences. PTSD symptom severity was measured longitudinally using the PTSD Checklist (PCL) for up to 7 years post-interview. AI-based indicators were computed for depression, anxiety, neuroticism, and extraversion along with dictionary-based measures of linguistic and interpersonal style. Linear regression and multilevel models estimated associations of AI indicators with concurrent and subsequent PTSD symptom severity (significance adjusted by false discovery rate). Results: Cross-sectionally, greater depressive language (beta=0.32; p=0.043) and first-person singular usage (beta=0.31; p=0.044) were associated with increased symptom severity. Longitudinally, anxious language predicted future worsening in PCL scores (beta=0.31; p=0.031), whereas first-person plural usage (beta=-0.37; p=0.007) and longer words usage (beta=-0.36; p=0.007) predicted improvement. Conclusions: This is the first study to demonstrate the value of AI in understanding PTSD in a vulnerable population. Future studies should extend this application to other trauma exposures and to other demographic groups, especially under-represented minorities.
• Abstract（参考訳）: 背景:世界貿易センター(wtc)への9/11の応答者による攻撃は、苦痛と回復力に関する豊富な物語を提供する。 人工知能(AI)モデルは、自然言語で心理病理を検出することを約束するが、主にソーシャルメディアを用いた非クリニカルな設定で評価されてきた。 本研究は, 応答者間のPTSD症状を予測するためのAIに基づく言語アセスメントの能力を検証することを目的とした。 方法:参加者はStony Brook WTC Health and Wellness Programで健康をモニターした124人の回答者で,最初のWTC経験について口頭でインタビューを行った。 PTSD symptom severity をPTSD Checklist (PCL) を用いて7年間経時的に測定した。 AIに基づく指標は、抑うつ、不安、神経症、外転、および辞書に基づく言語的および対人的スタイルの計測のために計算された。 線形回帰モデルとマルチレベルモデルでは、AIインジケータとPTSD症状の同時およびその後の重症度(偽発見率で調整された重要度)の関連を推定する。 結果: 横断的に, 抑うつ性言語(β=0.32; p=0.043), 初対人単独使用(beta=0.31; p=0.044)は, 症状の重症度を増加させた。 一方,PCLスコア(beta=0.31; p=0.031)では,1人称複数用法(beta=-0.37; p=0.007),長文使用法(beta=-0.36; p=0.007)では改善が予測された。 結論: 脆弱な集団におけるPTSD理解におけるAIの価値を示す最初の研究である。 将来の研究では、この応用を他のトラウマの曝露や他の人口動態、特に少数民族に広げるべきである。

関連論文リスト

• 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)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• A Novel Stochastic Transformer-based Approach for Post-Traumatic Stress Disorder Detection using Audio Recording of Clinical Interviews [3.09988520562118]
  PTSD(Post-traumatic stress disorder)は、外傷的な出来事を目撃または経験した後に発症する精神疾患である。 PTSD 尺度 (CAPS) と PTSD Check List for Civilians (PCL-C) は、PTSD の診断における金の基準である。 本研究は,臨床面接における音声記録を用いたPTSD検出の最先端性能を実現するための深層学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2024-03-28T14:11:40Z)
• Automatically measuring speech fluency in people with aphasia: first achievements using read-speech data [55.84746218227712]
  本研究の目的は,言語習得の分野で開発された信号処理algorithmの関連性を評価することである。
  論文  参考訳（メタデータ） (2023-08-09T07:51:40Z)
• PTSD in the Wild: A Video Database for Studying Post-Traumatic Stress Disorder Recognition in Unconstrained Environments [9.272889136803212]
  PTSDは慢性的な精神状態であり、破滅的な生命現象に反応して発達する。 本稿では,PTSD自動診断のための新しいビデオデータベースを公開し,注釈付けし,公開するために準備した。 野生データセットにおけるPTSDに基づくコンピュータビジョンと機械学習に基づくアプローチを評価するためのベンチマークを提供する。
  論文  参考訳（メタデータ） (2022-09-28T13:30:26Z)
• Posttraumatic Stress Disorder Hyperarousal Event Detection Using Smartwatch Physiological and Activity Data [0.0]
  PTSD(英: Posttraumatic Stress Disorder)は、アメリカ合衆国の退役軍人の約4分の1が、戦域から帰還する精神疾患である。 患者は治療セッションの外でPTSD症状を最も重篤に経験することが多い。 モバイルヘルスアプリケーションは、このギャップに対処するかもしれないが、その効果は、継続的監視と時間的介入を可能にする検出能力の現在のギャップによって制限されている。
  論文  参考訳（メタデータ） (2021-09-29T22:24:10Z)
• CBLUE: A Chinese Biomedical Language Understanding Evaluation Benchmark [51.38557174322772]
  中国初のバイオメディカル言語理解評価ベンチマークを提示する。 名前付きエンティティ認識、情報抽出、臨床診断正規化、単文/文対分類を含む自然言語理解タスクのコレクションである。 本研究は,現在の11種類の中国モデルによる実験結果について報告し,その実験結果から,現在最先端のニューラルモデルがヒトの天井よりもはるかに悪い性能を示すことが示された。
  論文  参考訳（メタデータ） (2021-06-15T12:25:30Z)
• 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)
• Pose-based Body Language Recognition for Emotion and Psychiatric Symptom Interpretation [75.3147962600095]
  通常のRGBビデオから始まるボディーランゲージに基づく感情認識のための自動フレームワークを提案する。 心理学者との連携により,精神症状予測の枠組みを拡張した。 提案されたフレームワークの特定のアプリケーションドメインは限られた量のデータしか供給しないため、フレームワークは小さなトレーニングセットで動作するように設計されている。
  論文  参考訳（メタデータ） (2020-10-30T18:45:16Z)
• LAXARY: A Trustworthy Explainable Twitter Analysis Model for Post-Traumatic Stress Disorder Assessment [1.776746672434207]
  本稿では,TwitterユーザのPTSDアセスメントを検知し,表現するためのLAXARYモデルを提案する。 まず,臨床検査ツールを用いて実Twitterユーザから臨床PTSD評価データを収集する。 そして、PTSD言語辞書と機械学習モデルを用いて、PTSDステータスと対応するTwitterユーザの強度を検出するための調査ツールを埋める。
  論文  参考訳（メタデータ） (2020-03-16T20:32:24Z)

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。