論文の概要: Discovering the influence of personal features in psychological processes using Artificial Intelligence techniques: the case of COVID19 lockdown in Spain

• arxiv url: http://arxiv.org/abs/2503.05729v1
• Date: Tue, 18 Feb 2025 19:54:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-16 09:47:37.900834
• Title: Discovering the influence of personal features in psychological processes using Artificial Intelligence techniques: the case of COVID19 lockdown in Spain
• Title（参考訳）: 人工知能を用いた心理的プロセスにおける個人的特徴の影響の解明--スペインにおけるCOVID-19ロックダウンの場合
• Authors: Blanca Mellor-Marsa, Alfredo Guitian, Andrew Coney, Berta Padilla, Alberto Nogales,
• Abstract要約: 本研究は、AI技術を用いて、ロックダウン中の心理的状態に対する個人的、社会経済的、一般健康的および生活条件要因の影響を分析した。 評価モデルは高い性能を示し、精度は80%を超え、しばしば90%を超えた。
• 参考スコア（独自算出の注目度）: 1.677718351174347
• License:
• Abstract: At the end of 2019, an outbreak of a novel coronavirus was reported in China, leading to the COVID-19 pandemic. In Spain, the first cases were detected in late January 2020, and by mid-March, infections had surpassed 5,000. On March the Spanish government started a nationwide lockdown to contain the spread of the virus. While isolation measures were necessary, they posed significant psychological and socioeconomic challenges, particularly for vulnerable populations. Understanding the psychological impact of lockdown and the factors influencing mental health is crucial for informing future public health policies. This study analyzes the influence of personal, socioeconomic, general health and living condition factors on psychological states during lockdown using AI techniques. A dataset collected through an online questionnaire was processed using two workflows, each structured into three stages. First, individuals were categorized based on psychological assessments, either directly or in combination with unsupervised learning techniques. Second, various Machine Learning classifiers were trained to distinguish between the identified groups. Finally, feature importance analysis was conducted to identify the most influential variables related to different psychological conditions. The evaluated models demonstrated strong performance, with accuracy exceeding 80% and often surpassing 90%, particularly for Random Forest, Decision Trees, and Support Vector Machines. Sensitivity and specificity analyses revealed that models performed well across different psychological conditions, with the health impacts subset showing the highest reliability. For diagnosing vulnerability, models achieved over 90% accuracy, except for less vulnerable individuals using living environment and economic status features, where performance was slightly lower.
• Abstract（参考訳）: 2019年末、中国で新型コロナウイルスの流行が報告され、新型コロナウイルス(COVID-19)のパンデミックに繋がった。 スペインでは、最初の感染者は2020年1月下旬に発見され、3月中旬までに5000人を超えた。 スペイン政府は3月、新型コロナウイルスの感染拡大を抑えるため、全国的なロックダウンを開始した。 孤立対策は必要であったが、特に脆弱な人口に対して、心理的、社会経済的課題を生じさせた。 ロックダウンの心理的影響とメンタルヘルスに影響を与える要因を理解することは、将来の公衆衛生政策を伝える上で重要である。 本研究は、AI技術を用いて、ロックダウン中の心理的状態に対する個人的、社会経済的、一般健康的および生活条件要因の影響を分析した。 オンラインアンケートで収集したデータセットは2つのワークフローを使用して処理され、それぞれが3つのステージに構造化された。 まず、個人は、直接的または教師なしの学習技術と組み合わせて、心理的評価に基づいて分類された。 第2に、識別されたグループを区別するために、さまざまな機械学習分類器が訓練された。 最後に,異なる心理状態に関連する最も影響力のある変数を同定するために,特徴重要度分析を行った。 評価されたモデルは高い性能を示し、精度は80%を超え、特にランダムフォレスト、決定木、サポートベクトルマシンでは90%を超えることが多かった。 感度および特異性分析により、モデルが様々な心理的条件で良好に機能し、健康影響サブセットが最も信頼性が高いことが示された。 脆弱性を診断するために、モデルが90%以上の精度を達成した。

関連論文リスト

• Large-scale digital phenotyping: identifying depression and anxiety indicators in a general UK population with over 10,000 participants [2.2909783327197393]
  英国在住の一般住民10,129名のデータを横断的に分析した。 参加者は、ウェアラブル(Fitbit)データと、うつ病(PHQ-8)、不安(GAD-7)、ムードに関する自己申告アンケートを、研究アプリを通じて共有した。 気分,年齢,性別,BMI,睡眠パターン,身体活動,心拍数など,うつ病の重症度と不安度との間に有意な関連が認められた。
  論文  参考訳（メタデータ） (2024-09-24T16:05:17Z)
• Predicting Depression and Anxiety: A Multi-Layer Perceptron for Analyzing the Mental Health Impact of COVID-19 [1.9809980686152868]
  新型コロナウイルスのパンデミックに伴うメンタルヘルスの傾向を予測するため,多層パーセプトロン(MLP)であるCoDAPを導入した。 本手法は、米国成人の多様なコホートにおいて、最初の新型コロナウイルス波(2020年4月から6月)の間に、週10週間にわたってメンタルヘルスの症状を追跡した包括的データセットを用いている。 このモデルは、パンデミック中の不安や抑うつのパターンを予測するだけでなく、人口統計要因、行動の変化、および精神健康の社会的決定要因の相互作用に関する重要な洞察も明らかにしている。
  論文  参考訳（メタデータ） (2024-03-09T22:49:04Z)
• Agent-Based Model: Simulating a Virus Expansion Based on the Acceptance of Containment Measures [65.62256987706128]
  比較疫学モデルは、疾患の状態に基づいて個人を分類する。 我々は、適応されたSEIRDモデルと市民のための意思決定モデルを組み合わせたABMアーキテクチャを提案する。 スペイン・ア・コルナにおけるSARS-CoV-2感染症の進行状況について検討した。
  論文  参考訳（メタデータ） (2023-07-28T08:01:05Z)
• Bias Reducing Multitask Learning on Mental Health Prediction [18.32551434711739]
  メンタルヘルスの検出や予測のための機械学習モデルの開発では、研究が増加している。 本研究では,マルチタスク学習に基づくバイアス緩和手法を不安予測モデルに適用し,公平性分析を行うことを目的とする。 分析の結果、我々の不安予測ベースモデルでは、年齢、収入、民族性、そして参加者が米国で生まれたかどうかに偏りが生じていた。
  論文  参考訳（メタデータ） (2022-08-07T02:28:32Z)
• The world seems different in a social context: a neural network analysis of human experimental data [57.729312306803955]
  本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。 トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
  論文  参考訳（メタデータ） (2022-03-03T17:19:12Z)
• Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
  ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。 正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。 人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
  論文  参考訳（メタデータ） (2022-01-27T22:15:56Z)
• A Machine Learning Analysis of COVID-19 Mental Health Data [0.0]
  2019年12月、中国武漢で新型コロナウイルス(SARS-Cov-2)が最初に確認された。 本稿では、新型コロナウイルスのパンデミックが米国における最前線労働者のメンタルヘルスに与える影響について分析する。 メンタルヘルス調査データに適用された多くのモデルの解釈を通じて、最前線労働者のメンタルヘルスの低下を予測する上で最も重要な要因がヘルスケアの役割であると結論付けている。
  論文  参考訳（メタデータ） (2021-12-01T02:00:44Z)
• Capturing social media expressions during the COVID-19 pandemic in Argentina and forecasting mental health and emotions [0.802904964931021]
  アルゼンチンで発生したCOVID-19パンデミックの際の精神状態や感情は、ソーシャルメディアで使われる言語表現に基づいて予測する。 メンタルヘルスの状況と感情は、ソーシャルメディアの内容とレキシコンを結びつけるマーカーを介してキャプチャされる。
  論文  参考訳（メタデータ） (2021-01-12T15:15:31Z)
• 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)
• Understanding the temporal evolution of COVID-19 research through machine learning and natural language processing [66.63200823918429]
  重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。 私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。 調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
  論文  参考訳（メタデータ） (2020-07-22T18:02:39Z)
• A Deep Q-learning/genetic Algorithms Based Novel Methodology For Optimizing Covid-19 Pandemic Government Actions [63.669642197519934]
  我々はSEIR疫学モデルを用いて、人口の時間とともにウイルスウイルスの進化を表現している。 報酬システムにより、アクションのシーケンス(統合、自己同化、二メートル距離、制限を取らない)を評価する。 どちらの意味でも、パンデミックの悪影響を抑えるために政府が取るべき行動を発見する上で、我々の方法論が有効な手段であることを実証する。
  論文  参考訳（メタデータ） (2020-05-15T17:17:45Z)

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。