398740_zh-CN

liliconcom

使用 JMP Pro 16 (2021-US-30MP-893) 识别抑郁亚类的潜在类别分析

级别：初学者

 

Karishma Yadav，新加坡管理大学学生
SEET Fei Fei Sue-ann，新加坡管理大学学生
谭怡莹，学生，新加坡管理大学
新加坡管理大学计算与信息系统学院副教授 Tin Seong

 

据世界卫生组织称，“抑郁症是全球残疾的主要原因，是全球总体疾病负担的主要因素”。 抑郁症患者护理的一个主要障碍仍然是准确诊断抑郁症的严重程度。 患者健康问卷 (PHQ-9) 是一种包含 9 个问题的工具，广泛用于诊断和确定抑郁症的严重程度。 然而，普遍使用的基于对 9 个问题的回答总和的抑郁严重程度的 5 级过于主观。鉴于这一限制，我们的论文旨在展示如何使用 JMP Pro 的潜在类别分析来提供一种数据驱动和客观的方法来确定抑郁症严重程度等级。该研究使用美国疾病控制和预防中心进行的 2017-2018 年全国健康和营养检查调查 (NHANES) 的心理健康抑郁筛查器进行。分析结果表明，Latent Class Analysis 比传统的 5-Category 方法更好地提高了我们对抑郁类别特征的理解。   

 

 

 

自动生成的成绩单...

 

扬声器	成绩单
卡里什玛·亚达夫	你好。
谭怡莹	你好。
卡里什玛·亚达夫	抱歉，我们听不到你结婚的消息。
谭怡莹	我，我的意思是对不起。
卡里什玛·亚达夫	是的，我能听到你的声音。
拉里·拉鲁索	现在我想这是可行的。
卡里什玛·亚达夫	是的，它有效。
拉里·拉鲁索	好，太棒了。
	对不起，这很有趣。
	出于某种原因，我的笔记本电脑 Mike 没有在 JMP 之外接我。
	我一直不得不来回 JMP，但我知道每次有人说，我都听不见。
	你们在做。
卡里什玛·亚达夫	我们做得很好。
拉里·拉鲁索	我喜欢你的身体，克里希纳就是你说的。
卡里什玛·亚达夫	是的，它是苏格兰人。
拉里·拉鲁索	爱尔兰综合格斗不错。
	我承认这一点。
	出色地。
拉里·拉鲁索	然后他就是你所说的。
谭怡莹	是的是的。
拉里·拉鲁索	太棒了，是的，谢谢你们俩这样做。
	我们当然感谢您抽出宝贵的时间录制演讲，真的，我来这里只是为了在制作方面提供帮助。
	如果您注意到左上角，您可能会看到我们正在自动录制，只是想确保你们俩都可以接受。
卡里什玛·亚达夫	好的。
拉里·拉鲁索	优秀等等。
	显然，我们的意图是将其作为发现会议的一部分，并将其放在 community.com 上的社区页面上。
	所以它实际上也将存在于会议之外，人们将能够访问它和所有东西，你们是否也对此感到满意。
卡里什玛·亚达夫	耶，好样的。
拉里·拉鲁索	太棒了，非常感谢，这是两个法律问题。
	而且，你的背景看起来很棒，我只是想确保没有商标侵权或任何你之前为我们录制的看起来很棒的东西，这是你第一次参加发现峰会。
卡里什玛·亚达夫	是的，这是第一次。
	好的。
拉里·拉鲁索	好吧，我会告诉你们什么时候你们该走了，我可能会去新的。
	耳机，然后只要你在说话，我就消除我的视频我们该走了。我要关掉我的视频。
	感觉就像你只是在自言自语，但我在倾听，只是确保一切顺利，视频看起来不错，幻灯片中的所有内容都会找到。
	出于某种原因，如果出于某种原因出现故障，我可能会记录其中的十几个。
	我只是要取消静音并说嘿，我需要你们停下来，我们将不得不重新录制或其他什么，但我预计不会发生这种情况，所以只要你知道卡车上的粉笔并从头到尾交谈.
	如果你们中的任何一个人只是觉得我的天哪，我把这完全搞砸了，那不是我想说的，我们只是停下来，然后说嘿，我要重新开始，再做一次哦，是的。
	你应该这样做。
谭怡莹	好的。
拉里·拉鲁索	但是，但我鼓励你不要担心像这里这样的人的意图是很随意的，它不需要完美。
	我想说，就像我说的，我唯一担心的是，如果你等一下，我在活动方面做，或者你说错了，你意识到我们有能力只说我'我要重新开始，这很好，但是就像我说的那样。
	看着我们的人会非常非常宽容，这是一个变焦电话，我不会担心，这很可怕。
谭怡莹	新加坡晚上 30 点，你知道，喜欢你的计划。
	一次。
拉里·拉鲁索	另一件事是。
	如果你能给我一个口头提示，那么我不知道你们中的哪一个会先开始，但如果你只是说。
	谢谢你和我一起欢迎我们的谈话或类似的事情，因为它给了我一个起点，以确保好的，我知道她。
	想从这里开始，如果你有任何问题，请在最后说谢谢加入我。
	随意将它们输入聊天或类似的东西，因为将建立一个页面，底部有评论。
	或者，如果你只是想以感谢加入我来结束它，你知道我不知道是联系信息还是只是给我音频起点和终点的东西，以便我们可以剪辑该视频并确保它看起来.
	然后我要说的最后一件事，然后真的让你们做演示。
	我们正在录制三个不同的版本吗？
	一个只有幻灯片，所以滑块占据了整个屏幕，另一个和你说这可能你现在看到我的方式是我只是带一个小外国人，然后苍蝇占据了 80%的屏幕。
	然后是第三个。
	你是全屏的，只作为演讲者，我们这样做是因为大部分时间都会有你的幻灯片和你。
	但是如果你只是为了多样性而在幻灯片上停留超过几分钟，我们可能会失败，就在你知道的照片中，就像你说了 20 秒然后又回去一样。
	所以我们有三个不同的版本，我们有一些非常好的。
	制作人会进入并就如何展示它做出一些创造性的决定，所以只要知道它可能会像你知道的那样来回跳跃，就像电视节目一样，有时你会有时对着幻灯片说话，然后大多数时候。
卡里什玛·亚达夫	好吧，听起来不错。
拉里·拉鲁索	好的，您还有其他问题吗？
谭怡莹	是的。
卡里什玛·亚达夫	所以如果我们必须重拍。
	碰巧，它会重新开始，否则我们将不得不从错误开始，整个时间。
拉里·拉鲁索	所以你知道，如果你只有 20 分钟的谈话，我们可能会有 40 分钟的录音，我的意思是，如果你知道出于某种原因切断第一分钟是多么容易，我再说一次。
	不要对自己太苛刻，但如果你真的觉得不，我真的想重新开始拉里，我会重新开始，然后说。
	欢迎来到我的演讲，你知道，然后我们就会知道第一个版本会摆脱它，所以是的，我们不必重新启动，我们只需工作直到挂断。
	我们来切菜。
谭怡莹	好的。
拉里·拉鲁索	谢谢你，让我别无所求，我想确定你。
	你的声音听起来很棒，背景看起来很棒。
	我想我们可以走了，所以我要把这个交给你，我会一直在听，所以如果你有任何问题，或者你需要停下来，或者别的什么，请告诉我享受谈话，我会的。
	我会在你们完成后和你们谈谈。
谭怡莹	谢谢你。
	所以我们可以随时开始。
拉里·拉鲁索	是的，刚开始，如果您想花点时间做好准备，看起来您的幻灯片已经准备好了，所以只要您准备好就说声谢谢加入我，然后您就离开了。
谭怡莹	和
拉里·拉鲁索	我要让自己静音并关闭我的视频。
	谢谢你。
谭怡莹	早上好。 首先，我要感谢委员会将我们的项目列入候选名单，很荣幸参加 JMP 发现峰会。
	在我开始介绍或介绍我们的团队之前，我们来自 SMU 的商业计划。 我是 Yi，今天我们有 Karishma 和 Sue-Ann 和我在一起。
	Tin Seong Kam是我们的教授。 他今天没有加入我们，因为他还有其他承诺。 从这个封面可以看出，
	在这个项目中，我们研究了使用潜在类别分析来识别使用 JMP Pro 的抑郁症亚类。 在演示过程中，我们可能会使用 LCA 的缩写形式来指代潜在类别分析。
	好的。
	为了让您了解我们项目的更多背景信息，我们正在研究抑郁症，这是一种在各个年龄段的青少年和成年人中越来越普遍的精神疾病。 据WHO称，
	世界卫生组织指出，抑郁症是世界范围内导致残疾的主要原因，也是全球总体疾病负担的主要贡献者。
	准确诊断抑郁症严重程度的能力一直是抑郁症患者护理的关键绊脚石。
	有一个问卷通常用于帮助诊断抑郁症并确定严重程度。
	它被称为 PHQ，即公共卫生调查问卷。
	这是一个九题工具，是...
	包含这些问题。 第一个有……第一个是你对做事没有兴趣；第二个是，你感到沮丧或绝望。
	第三个是，你睡不好还是睡太多了？ 第四个是你是否感到疲倦或没有精力？
	第五个问题是你胃口不好还是暴饮暴食？ 接下来的几个问题也有......我们有，你对自己感觉不好吗？
	你是否难以集中注意力？ 第八个问题是，你是移动还是说慢，还是移动或说得太快？ 我们在我们的项目中包含的最后一个问题是，
	你有自杀的念头吗？
	A, B, C, D. 在右边，你知道，那里有一张表，你可以看到，就像你读这张表的方式一样，A和B在这里的分数相同，都是10，
	并且严重程度被认为是中等的。 另一方面，C 和 D 的得分相同，均为 20，在 PHQ-9 下被认为是严重抑郁。
	所以面试官会问他们经历这种症状的频率，从零到三。 如您所见，如您所知，此表中的响应主要像 0、1、2 和 3。
	零表示他们没有任何症状，三是最常见的，几乎每天都有。 总分是通过将所有九个问题的回答相加得出的，范围从 0 到 27。
	现在，如果我们在这里深入挖掘 C 和 D 的结果，
	你可以看到他们都有 20 分，但是他们经历的症状却大不相同。 例如，C经常对自己感觉不好，
	在这里，就像你知道的，但我很抱歉，我指的是不同的右边，但 D 从来没有这种感觉。
	C 很少有任何自杀念头，但 D 几乎每天都在经历。 我们这里的问题是
	这种症状对抑郁症的诊断有同样的贡献吗？ 因此，从临床角度来看，PHQ-9 已被评估为衡量抑郁症严重程度的有效工具。 然而，我们的团队认为流行的......这很流行
	基于响应总和的五类抑郁症严重程度
	过于主观。
	因此，我们项目的目的是演示......找出如何使用 JMP 的潜在类分析来提供数据驱动和
	客观的方法来确定抑郁症的严重程度等级。 分析结果表明，与传统的五类方法相比，LCA 更好地提高了我们对抑郁类特征的理解。
	因此，使用从 2017 年至 2018 年全国健康与营养检查调查问卷数据集中抽取的同一套九个问题，我们使用 LCA 对 5000 名受访者进行分类
	进入抑郁症严重程度等级。 然后，我们将其与仅使用响应总和的 PHQ-9 结果进行比较……
	响应变量以得出抑郁症的严重程度。 这种类别比较将揭示两种方法在抑郁类别严重程度方面的差异。
	是的，让我在下一张幻灯片中详细介绍。
	我们最初是如何准备数据的，所以我们首先下载了我刚才提到的2017年至2018年全国健康和营养检查调查的公开数据集。
	我们只使用这些年的数据来保持数据质量，因为我们有点担心受访者在不同时间段内给出答案的方式会有所不同。 然后我们在 JMP Pro 中整理数据。
	我们使用 JMP Pro 16。 数据集中原来一共有10列？？？回应。
	但我们注意到最后一个问题就像一个合并问题。 它问的是，这些问题对你做你的工作、照顾家里的事情或与人相处有多困难？ 所以由于性质
	这是一个合并问题，我们已将其排除在我们的工作之外。
	之后，我们进行了一些数据清理和准备步骤，例如检查缺失值、重命名某些列以更好地反映变量以进行潜在分析。
	PHQ-9 评分也被列在一个新的列中，并重新编码为五种抑郁严重程度，即无、轻度、中度、中度重度和重度。 有了这个，最后我们运行潜在类分析并解释结果。
	因此，我将向您介绍我们执行的分析的详细步骤。 现在首先，我们使用 JMP Pro 16 运行 LCA，将具有不同模式的采访个体分组到集群中。
	我们选择聚类模型的方式是基于这些模型的 BIC 和 AIC 值。
	从模型报告中，我们评估了各个变量的影响大小，以确定潜在类别之间的分离。
	并且因为这表明将个人分类为不同的......正确的潜在类别的准确性。 我们还查看对数值以确定每个变量对模型的影响。
	接下来，我们进行了列联表分析，将 LCA 类别与使用传统 PHQ-9 方法得出的五种抑郁严重程度类别进行比较。
	我们的假设是，普遍使用的 PHQ-9，基于我提到的响应的总和，过于主观，因为它没有考虑统计……各个变量的统计权重。 将此与 LCA 结果进行比较，使用填充
	统计方法，这使我们能够更好地检查结果的有效性……有效性。
	所以有了这个，我将交给 Karishma 来告诉我们更多关于调查结果和结论的信息。
	交给你了，卡里什玛。
	你是哑巴，卡里什玛。
卡里什玛·亚达夫	哦对不起。
	谢谢你，易。 大家好。 我是 Karishma Yadav，我将带领您进行我们的演示。
	所以我们知道，对于心理健康领域的研究人员来说，能够识别个体的亚群很重要
	在一般人群中，他们具有相似的心理健康症状或优势，因此可以进一步研究这些群体以调查问题，例如哪些心理健康课程普遍流行，
	以及他们预测的未来结果以及心理健康类别是否会随着时间而变化。 此外，识别这些亚组对从业者很重要
	到...在现场治疗和预防心理健康案件。 因此，一种越来越流行的识别子组的方法是潜在类分析，即……将缩写为 LCA
	从现在开始在演示文稿中。 因此 LCA 是一种横截面潜变量混合建模方法。 与所有潜在变量混合建模方法一样，LCA 旨在发现人群中的异质性。
	它通过分析个人的行为模式（例如心理健康指标）并找到常见的类型（称为类别）来做到这一点。 所以每个人都被概率地分配到一个类中，
	这是使用显示的公式计算的。 结果是彼此最相似但与其他类别中最不同的个体的子组。 下一张幻灯片。
	这就是我们在 JMP Pro 16 中构建 LCA 模型的方式。 所以正如 Yi 前面提到的，在我们创建的预处理步骤中
	PHQ-9 变量通过将九个输入变量、PHQ-9 问卷中提出的问题相加，然后使用范围从 0 到 27 的 PHQ-9 分数来得出五个班级。
	这些类别基于切点，临床医生在许多医学诊断中普遍使用切点。 所以易之前提到的课程是
	无、轻度、中度、中度重度和重度。 所以经过预处理后，我们决定在JMP Pro中建立一个模型，选择LCA作为聚类分析方法，然后选择PHQ-9latent的九个问题
	作为此处显示的输入特征。 因此，我们为集群运行 LCA 模型，范围从 3 到 15 以找到最佳拟合模型。
	下一张幻灯片。
	这就是 LCA 的结果。 迭代估计最新的类模型，添加潜在的类以确定哪个模型最适合数据。 所以判断最合适的人可以考虑很多，
	包括信息标准。 所以在这里我们使用了信息标准。
	正如我们所看到的，集群 5 为我们提供了最低的 BIC，即贝叶斯信息标准。 我们还尝试在增加的集群数量上运行模型，但 AIC 会随着类数量的增加而不断变化，因此我们选择 BIC 作为最佳集群大小。
	因此，根据问卷答复，将个人分为五个等级。 下一张幻灯片。
	这些图表显示了每个类别中个体的分布以及每个变量中响应的比例。
	因此，它还显示了每个类中九个变量中每一个的响应...响应概率。 所以可以看出，在集群一中，
	所有变量都没有作为主要反应，这是最低风险
	簇。在第 2 组中，作为响应变量和
	增加几天作为响应的比例。 集群三增加了几天和一半以上的响应天数，集群四和五进一步增加了这些高频响应的比例。 下一个。
	无、轻度、中度、中度重度和重度。
	因此，正如我们所见，第一类的大小约为 48%，而这一类中的个人根本没有任何抑郁症状，或者对所有九个变量都没有反应。 这群人没有患抑郁症的风险。
	第二类症状较轻，约占24%。
	个人......这个班级的个人有两个主要特征在这里列出，即睡眠困难或睡眠过多
	每周几天，每周几天感到疲倦或精力不足。 和三班的个人
	有中度症状，班级人数约为 11%； 70% 的人表示他们每周有几天感到疲倦或精力不足。 他们还经历了第二类所列症状的严重程度增加。
	此外，他们还经历了其他症状，如对做事没有兴趣、情绪低落、沮丧和绝望。
	第四类的人数为 10.44%，这组人的抑郁症状更严重，所以他们经历了九分之七的抑郁症状
	相当频繁。 然后我们有五班，班级人数约为 6%。 他们经历了所有九种症状，严重程度为
	很高。 他们每天都在经历，或者超过一半的时间。 下一张幻灯片。
	所以这些是九个变量的影响大小和对数价值。 如您所见，效果大小是介于 0 和 1 之间的值，
	更大的效应量表明个人被准确分类到潜在类别的可能性更高。
	因此，大多数输入变量的影响大小高于 75%，另一方面，对数值是变量在预测集群中的有效性。
	对数越大，模型中的变量就越强。 结果表明，并非所有变量都具有相同的对数值。
	这证实了我们的怀疑，即变量可能不会对诊断做出同等贡献，并且只有在模型中每个变量具有相同影响水平的情况下，PHQ-9 分数的总和才会准确和可靠。 那么接下来。
	所以最后，
	这是列联表。 正如我们所看到的
	抑郁症状来源于
	PHQ-9 求和和列联表到达了我们使用的类
	letent 类分析是完全不同的。
	P值约为
	.001,
	这表示没有抽样错误。 所以我们这样做是为了证明如果我们采样大约 1,000 次，1,000 个不同的样本，结果将是一致的，其中只有一个会有与此不同的结果。
	下一个。
	因此，最后，我们得出结论，使用 LCA 等统计聚类模型得出的抑郁严重程度将提供对抑郁严重程度的更准确评估，
	与仅使用 PHQ-9 响应的总和得出的结果相比。
	需要做进一步的研究来确定各个变量的权重，以加强已被证明更可靠和更有效的 PHQ-9 九模型。 这个很重要
	因为低估了个人抑郁症的严重程度和抑郁症人群的百分比
	给社会带来重大风险。 如果没有准确的诊断方法，就很难确定预防和治疗抑郁症所需的足够资源。
	以上就是我们演示的全部内容，欢迎在视频下方的评论框中提出问题。 谢谢你。
拉里·拉鲁索	出色的。
	太棒了非常感谢。
	我对它非常满意，我的意思是我认为它听起来很棒，你的幻灯片很棒。
卡里什玛·亚达夫	谢谢你。
拉里·拉鲁索	是的，根据你的说法，一切都很顺利，我没有看到任何问题，实际上非常有趣的谈话我。
	我很感兴趣，不像你们技术那样，就什么坚持下去，但是。
	我敢肯定它会放在口袋里。
卡里什玛·亚达夫	谢谢你。
	是的。
拉里·拉鲁索	嗯，睡一觉吧。
卡里什玛·亚达夫	是的。
拉里·拉鲁索	现在快11点了，但是嗯。
	非常感谢，如果有任何问题或其他问题，我们会再次通知您，如果你们愿意的话。
	我得到了一个链接，我可以与外部人员分享我会把它发送给你们所有人，如果你只是想看看它，看看它是什么样的，但它只是原始的 P，所以它将拥有我们所有的前端的东西，以及所有这些后端的东西。
	如果您只是好奇，我会继续将其发送给您，只是为了您的兴趣，然后只知道我们会制作它，您知道并做一些事情会成功，您知道交互式并且以前看起来不错，因为。
	好吧，好吧。
	是的，是的，我度过了一个美好的夜晚，无论如何，可能是这样，再次感谢您加入我的行列。
卡里什玛·亚达夫	谢谢你。
拉里·拉鲁索	好的，很高兴认识你们，大家保重。
卡里什玛·亚达夫	谢谢你，同样在这里晚安，很好。
	早上给你。
拉里·拉鲁索	再见。
	你好。

 

爆发数据访问和操作电子海报质量和可靠性