کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6948966 1451164 2018 44 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Predictive modeling in e-mental health: A common language framework
ترجمه فارسی عنوان
مدل سازی پیش بینی شده در بهداشت روان: یک چارچوب زبان مشترک
ترجمه چکیده
تحولات اخیر در تکنولوژی تلفن همراه، دستگاه های حسگر و هوش مصنوعی فرصت های جدیدی را برای تحقیق در زمینه مراقبت های بهداشتی ایجاد کرده اند. با استفاده از مجموعه داده های بزرگ جمع آوری شده در تحقیقات و فعالیت های بهداشت روان، محققان بالینی و اعضای جامعه اطلاعاتی به طور فزاینده ای تلاش می کنند تا مدل های پیش بینی کننده برای نظارت بر سلامت، انتخاب درمان و شخصی سازی درمان را بسازند. هدف از این مقاله، شکاف های تاریخی و مفهومی بین حوزه های پژوهشی دور درگیر در این تحقیق همکاری جدید با ارائه یک مدل مفهومی از اهداف تحقیق مشترک است. ما ابتدا یک مروری مختصر از زمینه داده کاوی و روش های مورد استفاده برای مدل سازی پیش بینی می کنیم. سپس پیشنهاد می کنیم تحقیقات پیش بینی کننده مدل سازی در مراقبت های بهداشت روانی را در سه بعد توصیف کنیم: 1) زمان، نسبت به درمان (از جمله غربالگری تا نظارت بر عود پس از درمان) 2) انواع داده های موجود (مانند داده های پرسشنامه، ارزیابی های لحظه ای، اطلاعات سنسور گوشی هوشمند) و 3) نوع تصمیم بالینی (یعنی اینکه آیا داده ها برای اهداف غربالگری، انتخاب درمان یا شخصی سازی استفاده می شود). بر اساس این سه بعد، چارچوبی را معرفی می کنیم که چهار نوع مدل را مشخص می کند که می تواند برای طبقه بندی تحقیقات و برنامه های موجود و آینده استفاده شود. برای نشان دادن این، ما از چارچوب برای طبقه بندی و بحث در مورد پیش بینی مدل های تحقیقاتی بهداشت روانی استفاده می کنیم. در نهایت، در بحث، ما در مورد مراحل بعدی که برای پیشبرد این زمینه بین رشته ای نوظهور پیش می رود، بازتاب می شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر سیستم های اطلاعاتی
پیش نمایش مقاله
مدل سازی پیش بینی شده در بهداشت روان: یک چارچوب زبان مشترک
چکیده انگلیسی
Recent developments in mobile technology, sensor devices, and artificial intelligence have created new opportunities for mental health care research. Enabled by large datasets collected in e-mental health research and practice, clinical researchers and members of the data mining community increasingly join forces to build predictive models for health monitoring, treatment selection, and treatment personalization. This paper aims to bridge the historical and conceptual gaps between the distant research domains involved in this new collaborative research by providing a conceptual model of common research goals. We first provide a brief overview of the data mining field and methods used for predictive modeling. Next, we propose to characterize predictive modeling research in mental health care on three dimensions: 1) time, relative to treatment (i.e., from screening to post-treatment relapse monitoring), 2) types of available data (e.g., questionnaire data, ecological momentary assessments, smartphone sensor data), and 3) type of clinical decision (i.e., whether data are used for screening purposes, treatment selection or treatment personalization). Building on these three dimensions, we introduce a framework that identifies four model types that can be used to classify existing and future research and applications. To illustrate this, we use the framework to classify and discuss published predictive modeling mental health research. Finally, in the discussion, we reflect on the next steps that are required to drive forward this promising new interdisciplinary field.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Internet Interventions - Volume 12, June 2018, Pages 57-67
نویسندگان
, , , , , ,