메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
Benson Kung (Carbon Health) Maurice Chiang (Carbon Health) Gayan Perera (King’s College London) Megan Pritchard (King’s College London) Robert Stewart (King’s College London)
저널정보
대한의료정보학회 Healthcare Informatics Research Healthcare Informatics Research 제28권 제3호
발행연도
2022.7
수록면
256 - 266 (11page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Objectives: This study evaluated an unsupervised machine learning method, latent Dirichlet allocation (LDA), as a methodfor identifying subtypes of depression within symptom data. Methods: Data from 18,314 depressed patients were used to createLDA models. The outcomes included future emergency presentations, crisis events, and behavioral problems. One modelwas chosen for further analysis based upon its potential as a clinically meaningful construct. The associations between patientgroups created with the final LDA model and outcomes were tested. These steps were repeated with a commonly-usedlatent variable model to provide additional context to the LDA results. Results: Five subtypes were identified using the finalLDA model. Prior to the outcome analysis, the subtypes were labeled based upon the symptom distributions they produced:psychotic, severe, mild, agitated, and anergic-apathetic. The patient groups largely aligned with the outcome data. For example,the psychotic and severe subgroups were more likely to have emergency presentations (odds ratio [OR] = 1.29; 95% confidenceinterval [CI], 1.17?1.43 and OR = 1.16; 95% CI, 1.05?1.29, respectively), whereas these outcomes were less likely inthe mild subgroup (OR = 0.86; 95% CI, 0.78?0.94). We found that the LDA subtypes were characterized by clusters of uniquesymptoms. This contrasted with the latent variable model subtypes, which were largely stratified by severity. Conclusions:This study suggests that LDA can surface clinically meaningful, qualitative subtypes. Future work could be incorporated intostudies concerning the biological bases of depression, thereby contributing to the development of new psychiatric therapeutics.
#Psychiatry #Depression #Mental Health #Machine Learning #Medical Informatics

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0