論文の概要: Predicting suicidal behavior among Indian adults using childhood trauma, mental health questionnaires and machine learning cascade ensembles

• arxiv url: http://arxiv.org/abs/2401.17705v1
• Date: Wed, 31 Jan 2024 09:49:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-01 15:01:37.992732
• Title: Predicting suicidal behavior among Indian adults using childhood trauma, mental health questionnaires and machine learning cascade ensembles
• Title（参考訳）: 小児外傷, メンタルヘルスアンケート, 機械学習カスケードアンサンブルを用いたインド成人の自殺行動予測
• Authors: Akash K Rao, Gunjan Y Trivedi, Riri G Trivedi, Anshika Bajpai, Gajraj Singh Chauhan, Vishnu K Menon, Kathirvel Soundappan, Hemalatha Ramani, Neha Pandya, Varun Dutt
• Abstract要約: 若者の間では、自殺はインドの主要な死因であり、国民の自殺率は約16%である。 近年,様々な行動特性を用いて自殺行動を予測する機械学習アルゴリズムが登場している。 本研究では、子どもの外傷、異なるメンタルヘルスパラメータ、その他の行動要因に基づく自殺行動を予測するために、異なる機械学習アルゴリズムとアンサンブルを開発した。
• 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: Among young adults, suicide is India's leading cause of death, accounting for an alarming national suicide rate of around 16%. In recent years, machine learning algorithms have emerged to predict suicidal behavior using various behavioral traits. But to date, the efficacy of machine learning algorithms in predicting suicidal behavior in the Indian context has not been explored in literature. In this study, different machine learning algorithms and ensembles were developed to predict suicide behavior based on childhood trauma, different mental health parameters, and other behavioral factors. The dataset was acquired from 391 individuals from a wellness center in India. Information regarding their childhood trauma, psychological wellness, and other mental health issues was acquired through standardized questionnaires. Results revealed that cascade ensemble learning methods using a support vector machine, decision trees, and random forest were able to classify suicidal behavior with an accuracy of 95.04% using data from childhood trauma and mental health questionnaires. The study highlights the potential of using these machine learning ensembles to identify individuals with suicidal tendencies so that targeted interinterventions could be provided efficiently.
• Abstract（参考訳）: 若者の間では、自殺はインドの主要な死因であり、国民の自殺率は約16%である。 近年,様々な行動特性を用いて自殺行動を予測する機械学習アルゴリズムが登場している。 しかし、現在まで、インドの文脈における自殺行動を予測する機械学習アルゴリズムの有効性は研究されていない。 本研究では,子どものトラウマやメンタルヘルスパラメータ,その他の行動要因に基づいて自殺行動を予測するために,異なる機械学習アルゴリズムとアンサンブルを開発した。 データセットはインドのウェルネスセンターから391名から取得された。 小児の外傷, 心理的健康, その他のメンタルヘルスに関する情報は, 標準化されたアンケートによって収集された。 その結果, 支援ベクターマシン, 決定木, ランダムフォレストを用いたカスケードアンサンブル学習では, 小児外傷および精神保健アンケートのデータを用いて95.04%の精度で自殺行動の分類が可能であった。 この研究は、これらの機械学習アンサンブルを用いて自殺傾向のある個人を識別し、ターゲットのインターベンションを効率的に提供できる可能性を強調している。

関連論文リスト

• An Exploratory Deep Learning Approach for Predicting Subsequent Suicidal Acts in Chinese Psychological Support Hotlines [13.59130559079134]
  自殺リスク評価のためのスケールベースの予測手法の精度は、オペレーターの専門性によって大きく異なる可能性がある。 本研究は,中国における自殺リスクを予測するために,長期音声データにディープラーニングを適用した最初の事例である。
  論文  参考訳（メタデータ） (2024-08-29T11:51:41Z)
• CapsF: Capsule Fusion for Extracting psychiatric stressors for suicide from twitter [0.0]
  本研究では,ペルシャ語ツイートから自殺に関連する心理的ストレスを検出する手法について,学習に基づく手法を用いて検討する。 提案されたカプセルベースのアプローチは2値分類精度0.83を達成した。
  論文  参考訳（メタデータ） (2024-02-07T13:41:22Z)
• Conceptualizing Suicidal Behavior: Utilizing Explanations of Predicted Outcomes to Analyze Longitudinal Social Media Data [2.76101452577748]
  新型コロナウイルスのパンデミックは世界中でメンタルヘルスの危機をエスカレートしている。 自殺は、恥、虐待、放棄、うつ病のような精神状態などの社会的要因によって引き起こされる。 これらの状況が発展するにつれて、自殺的思考の兆候がソーシャルメディアの相互作用に現れる可能性がある。
  論文  参考訳（メタデータ） (2023-12-13T17:15:12Z)
• Handwriting and Drawing for Depression Detection: A Preliminary Study [53.11777541341063]
  精神健康に対する短期的コビデンスの影響は、不安や抑うつ症状の顕著な増加であった。 本研究の目的は、健康な人とうつ病患者を識別するために、オンライン手書き・図面解析という新しいツールを使用することである。
  論文  参考訳（メタデータ） (2023-02-05T22:33:49Z)
• Mental Illness Classification on Social Media Texts using Deep Learning and Transfer Learning [55.653944436488786]
  世界保健機関(WHO)によると、約4億5000万人が影響を受ける。 うつ病、不安症、双極性障害、ADHD、PTSDなどの精神疾患。 本研究では、Redditプラットフォーム上の非構造化ユーザデータを分析し、うつ病、不安、双極性障害、ADHD、PTSDの5つの一般的な精神疾患を分類する。
  論文  参考訳（メタデータ） (2022-07-03T11:33:52Z)
• Learning Language and Multimodal Privacy-Preserving Markers of Mood from Mobile Data [74.60507696087966]
  精神状態は、先進医療に共通する国でも診断されていない。 人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。 本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
  論文  参考訳（メタデータ） (2021-06-24T17:46:03Z)
• Characterization of Time-variant and Time-invariant Assessment of Suicidality on Reddit using C-SSRS [9.424631103856596]
  Redditデータから,重症度と時間性の観点から自殺リスクを評価するディープラーニングアルゴリズムを開発した。 本研究では, 時間変動アプローチが自殺関連思考と支持行動の評価において時間不変手法を上回っていることを示唆した。 提案手法は臨床診断面接と統合して自殺リスク評価を改善することができる。
  論文  参考訳（メタデータ） (2021-04-09T01:39:41Z)
• Building and Using Personal Knowledge Graph to Improve Suicidal Ideation Detection on Social Media [4.769234388745917]
  ソーシャルメディア上での自殺思考検出のための深層ニューラルネットワークを用いた,自殺指向の知識グラフの構築と統合を行う。 ソーシャルメディアに基づく自殺思考検出は93%以上の精度を達成できることを示す。 これらのカテゴリでは、投稿されたテキスト、ストレスレベル、ストレス持続時間、投稿された画像、反響的な思考が自殺的思考の検出に寄与する。
  論文  参考訳（メタデータ） (2020-12-16T18:09:32Z)
• Deep Multi-task Learning for Depression Detection and Prediction in Longitudinal Data [50.02223091927777]
  うつ病は最も多い精神疾患の1つであり、世界中の年齢の何百万人もの人々に影響を与えている。 機械学習技術は、早期介入と治療のためのうつ病の自動検出と予測を可能にしている。 本稿では、この課題に対処するために、2つの補助的タスクでうつ病分類を共同最適化する、新しいディープマルチタスクリカレントニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2020-12-05T05:14:14Z)
• Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
  不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。 スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。 eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
  論文  参考訳（メタデータ） (2020-08-09T20:22:52Z)
• Suicidal Ideation and Mental Disorder Detection with Attentive Relation Networks [43.2802002858859]
  本稿では,語彙に基づく感情スコアと潜在トピックを用いたテキスト表現を強化する。 本研究は,自殺思考と精神障害を関連するリスク指標を用いて検出する関係ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-04-16T11:18:55Z)

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。