論文の概要: Machine Learning for Depression Screening and Intervention: an Original Circadian Rhythm Score-based Methodology

• arxiv url: http://arxiv.org/abs/2607.04648v1
• Date: Mon, 06 Jul 2026 04:04:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:30.033885
• Title: Machine Learning for Depression Screening and Intervention: an Original Circadian Rhythm Score-based Methodology
• Title（参考訳）: 抑うつスクリーニングとインターベンションのための機械学習--オリジナルの概日リズムスコアに基づく方法論
• Abstract要約: 概日変動を概日リズムの統一表現に圧縮する複合指標であるCircadian Rhythm Score (CRS)を提案する。 CRSは、行動意味を保ちつつ、うつ病スクリーニングのための識別力を最大化するために構築される。 本研究では,勾配木とSHAP解析に基づいて,概日リズムと抑うつリスクの非線形的・飽和的関連を明らかにする,解釈可能な抑うつスクリーニングフレームワークを開発した。
• 参考スコア（独自算出の注目度）: 18.76197876841284
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Depression screening from large-scale behavioral data is challenged by fragmented circadian indicators, limited interpretability, and the lack of intervention-oriented analysis. Existing approaches typically analyze sleep, activity, and social behaviors in isolation, failing to capture their joint circadian structure. To address this limitation, we first propose the Circadian Rhythm Score (CRS), a composite index that compresses multi-domain daily behaviors into a unified representation of circadian rhythm. CRS is constructed to maximize discriminative power for depression screening while preserving behavioral semantics through non-negativity constraints. Empirical results demonstrate near-lossless compression, where a single CRS retains almost the full predictive capability compared with multiple raw behavioral indicators. Building upon CRS, we develop an interpretable depression screening framework based on gradient-boosted trees and SHAP analysis, revealing nonlinear and saturation-like associations between circadian rhythm and depression risk. Beyond risk prediction, we further integrate interaction modeling and counterfactual regression to estimate heterogeneous and dose-dependent behavioral effects, enabling intervention-oriented reasoning under different circadian contexts. Experiments on the China Health and Retirement Longitudinal Study (CHARLS, n=15,233), demonstrate robust screening performance (ROC-AUC=0.825) and identify actionable behavioral thresholds, including a minimum effective exercise dose of approximately 300 MET-min/week and an optimal restorative nap duration of approximately 65 minutes for sleep-deprived individuals. By bridging supervised representation learning and interpretable modeling, this work provides a scalable framework for depression screening and intervention-aware healthcare data mining.
• Abstract（参考訳）: 大規模行動データからの抑うつスクリーニングは、断片化された概日指標、限定的な解釈可能性、介入指向分析の欠如によって困難である。 既存のアプローチは通常、睡眠、活動、社会的行動を単独で分析し、共同の概日構造を捉えない。 この制限に対処するために、まずCircadian Rhythm Score (CRS)を提案する。 CRSは、非負性制約による行動意味論を保ちつつ、うつ病スクリーニングの差別力を最大化するために構築される。 1つのCRSは、複数の生の行動指標と比較して、ほぼ完全な予測能力を保っている。 CRSを基盤として、勾配木とSHAP解析に基づく解釈可能な抑うつスクリーニングフレームワークを開発し、概日リズムと抑うつリスクの非線形的および飽和的関連を明らかにする。 リスク予測以外にも,異種および線量依存的な行動効果を推定するために,相互作用モデリングと反ファクトレグレッションを更に統合し,異なる概日文脈下での介入指向推論を可能にする。 中国保健・退職縦断調査(CHARLS, n=15,233)の実験では、睡眠不足者に対して、約300 MET-min/weekの最小有効運動量と65分間の最適な回復昼寝期間を含む、堅牢なスクリーニング性能(ROC-AUC=0.825)を示し、行動閾値を同定している。 教師付き表現学習と解釈可能なモデリングをブリッジすることで、うつ病スクリーニングと介入対応医療データマイニングのためのスケーラブルなフレームワークを提供する。

関連論文リスト

• Beyond AHI: An Interpretable Causal-Discovery-Guided Framework for Sleep Recovery in Connected Health [2.2388219330671006]
  マルチモーダルポリソノグラフィーから階層型睡眠回復スコア(SRS)を導出するための因果探索誘導フレームワークを提案する。 2つの大集団コホートを用いて,呼吸負荷,低酸素負荷,睡眠断片化,睡眠構造,自律神経調節を対象とする非循環グラフ(DAG)学習を適用した。 これらのドメインは、ウェアラブルECG、オキシメトリ、睡眠ステージ推定デバイスなど、コネクテッドヘルス技術で利用されつつあるセンサストリームに自然にマッピングされる。
  論文  参考訳（メタデータ） (2026-06-16T21:38:40Z)
• Doubly Robust Proxy Causal Learning with Neural Mean Embeddings [58.8808794752741]
  我々は、連続的かつ構造化された治療を用いて因果学習をプロキシするための、神経的に二重に頑健なフレームワークを開発する。 このフレームワークは、人口、不均一、条件付き線量応答関数をカバーし、完全な応答曲線推定器を生成する。 合成および画像評価ベンチマーク全体で、提案した推定器は既存のベースラインと単一ブリッジニューラル推定器より優れている。
  論文  参考訳（メタデータ） (2026-05-10T12:50:25Z)
• Psychologically-Grounded Graph Modeling for Interpretable Depression Detection [36.72827968050813]
  対話型セッションを動的時間グラフとしてモデル化するフレームワークであるPsyGATを提案する。 Causal-PsyGATも紹介した。 実験では、因果指標を特定するためのMRRが20%改善されている。
  論文  参考訳（メタデータ） (2026-04-27T07:27:45Z)
• Predicting Neuromodulation Outcome for Parkinson's Disease with Generative Virtual Brain Model [95.41752463487008]
  パーキンソン病は世界中で1千万人以上に影響している。 個人間変異は経験的治療の選択を制限し、非無視的な外科的リスクとコストを増大させる。 我々は、このギャップをトレーニング済みのファインタニングフレームワークで埋めて、静止状態fMRIから直接結果を予測する。
  論文  参考訳（メタデータ） (2026-03-31T02:36:10Z)
• Maximin Learning of Individualized Treatment Effect on Multi-Domain Outcomes [3.6198659497898937]
  我々は,高次元アイテムレベルのデータからロバストな処理効果を推定する新しいフレームワークであるDRIFTを提案する。 DRIFTは一般化因子解析により潜在構造を学習し、固定されたターゲット上の不確実性集合を構成する。 この不確実性集合に対して最悪の性能を最適化することにより、DRIFTは、未表現または未測定領域に対して堅牢なITTを生成する。
  論文  参考訳（メタデータ） (2026-03-28T03:50:22Z)
• Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
  本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。 提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。 本手法は歴史的幻覚の可能性を著しく低下させることを示す。
  論文  参考訳（メタデータ） (2026-02-27T04:49:01Z)
• On the Structural Non-Preservation of Epistemic Behaviour under Policy Transformation [51.56484100374058]
  このような情報条件の相互作用パターンを振る舞い依存として定式化する。 これにより、$$-behavioural equivalenceというプローブ相対的な概念と、政治内行動距離が導かれる。 その結果、共通政策変換の下でプローブ条件の挙動分離が保存されない構造条件が明らかになった。
  論文  参考訳（メタデータ） (2026-02-24T22:55:21Z)
• Analyzing the Temporal Factors for Anxiety and Depression Symptoms with the Rashomon Perspective [37.31373989245858]
  本稿では、不安と抑うつの関係の堅牢な解釈を提供するために、公衆精神保健領域における新たなモデリング視点を提案する。 我々はランダムな森林モデルと部分的依存プロファイルを組み合わせることで、ラショモン集合全体の予測関係の堅牢性と安定性を厳密に評価する。
  論文  参考訳（メタデータ） (2026-01-18T20:20:38Z)
• AttentiveGRUAE: An Attention-Based GRU Autoencoder for Temporal Clustering and Behavioral Characterization of Depression from Wearable Data [46.262619407930266]
  本稿では,時間的クラスタリングと縦型ウェアラブルデータによる結果の予測を目的とした,新しい注意型ゲートリカレントユニット(GRU)オートエンコーダであるAttentiveGRUAEを提案する。 372名(GLOBEM 2018-2019)の長期睡眠データからAttentiveGRUAEを評価する。 これは、クラスタリングの品質と抑うつの分類の両方において、ベースラインクラスタリング、ドメイン指向の自己教師付きモデル、および改善されたモデルよりも優れたパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-10-02T20:52:16Z)
• Beyond the ATE: Interpretable Modelling of Treatment Effects over Dose and Time [46.2482873419289]
  本研究では, 治療効果トラジェクトリを線量および時間とともに滑らかな表面としてモデル化する枠組みを提案する。 本研究は, 臨床的に有意な特性の特定から, 軌道形状の推定を分離する。 本手法は, 処理力学の精度, 解釈可能, 編集可能なモデルを生成する。
  論文  参考訳（メタデータ） (2025-07-09T20:33:33Z)
• Learning Causally Predictable Outcomes from Psychiatric Longitudinal Data [6.09170287691728]
  縦断的生医学データの因果推論は依然として中心的な課題である。 本アルゴリズムは, 結果集約のための非負の, 臨床的に解釈可能な重みを学習する。 我々のアルゴリズムは因果関係の回復における最先端の手法より一貫して優れている。
  論文  参考訳（メタデータ） (2025-06-19T21:56:30Z)
• Pain level and pain-related behaviour classification using GRU-based sparsely-connected RNNs [61.080598804629375]
  慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。 この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。 我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。 本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
  論文  参考訳（メタデータ） (2022-12-20T12:56:28Z)
• Generalization Bounds and Representation Learning for Estimation of Potential Outcomes and Causal Effects [61.03579766573421]
  代替薬に対する患者一人の反応など,個人レベルの因果効果の推定について検討した。 我々は,表現の誘導的処理群距離を正規化することにより,境界を最小化する表現学習アルゴリズムを考案した。 これらのアルゴリズムを拡張して、重み付き表現を同時に学習し、治療群距離をさらに削減する。
  論文  参考訳（メタデータ） (2020-01-21T10:16:33Z)

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。