Lautsprecher | Transkript |
| Karishma YADAV | Hallo. |
| Yi Ying TAN | Hallo. |
| Karishma YADAV | Es tut uns leid, wir können Ihre Hochzeit nicht hören. |
| Yi Ying TAN | ich meine, es tut mir leid. |
| Karishma YADAV | ja, ich kann dich hören. |
| Larry LaRusso | Nun könnte ich mir vorstellen, dass das funktioniert. |
| Karishma YADAV | ja, es funktioniert. |
| Larry LaRusso | Okay, großartig. |
| Tut mir leid, aber es ist interessant. |
| Aus irgendeinem Grund holt mich Mike von meinem Laptop nicht außerhalb von JMP ab. |
| Ich muss ständig hin und her springen, weiß aber, dass ich jedes Mal, wenn jemand etwas sagt, nichts hören kann. |
| Das macht ihr, Jungs. |
| Karishma YADAV | uns geht es gut. |
| Larry LaRusso | Ich mag deinen Körper, ist es Krishna, was sagst du? |
| Karishma YADAV | ja, es ist schottisch. |
| Larry LaRusso | Irisches MMA, nett. |
| Das erkenne ich an. |
| Also. |
| Larry LaRusso | Und dann ist er, wie Sie sagen. |
| Yi Ying TAN | Ja, ja. |
| Larry LaRusso | super, na ja, vielen Dank euch beiden, dass ihr das gemacht habt. |
| Wir schätzen es sehr, dass Sie sich die Zeit genommen haben, den Vortrag aufzuzeichnen, und ich bin eigentlich nur hier, um beim Produktionsaspekt zu helfen. |
| Wenn Sie in der oberen linken Ecke nachsehen, sehen Sie wahrscheinlich, dass wir automatisch aufzeichnen. Wir möchten nur sicherstellen, dass Sie beide damit einverstanden sind, ja. |
| Karishma YADAV | ja, okay. |
| Larry LaRusso | Ausgezeichnet und so. |
| Unsere Absicht besteht natürlich darin, dies zu einem Teil der Discovery-Konferenz zu machen, und wir werden es auf unseren Community-Seiten auf community.com veröffentlichen. |
| Es wird also auch nach der Konferenz weiterbestehen und die Leute werden darauf und auf alles zugreifen können. Fühlen Sie sich damit auch wohl? |
| Karishma YADAV | ja gut. |
| Larry LaRusso | super Vielen Dank, das sind die beiden rechtlichen Fragen. |
| Und Ihre Hintergründe sehen ausgezeichnet aus. Ich möchte nur sicherstellen, dass keine Logoverletzungen oder Ähnliches vorliegen. Alles sieht dort großartig aus. Haben Sie schon einmal für uns aufgenommen? Machen Sie den Discovery Summit zum ersten Mal? |
| Karishma YADAV | ja, das ist das erste Mal. |
| Okay. |
| Larry LaRusso | Also gut, ich sage euch einfach Bescheid, wenn es für euch Zeit zum Gehen ist. Ich werde es wahrscheinlich wissen. |
| Kopfhörer und schalte dann mein Video aus, solange du redest und ich nicht. Ich sollte nicht auf dem Bildschirm auftauchen, aber wenn ich das tue, besteht keine Chance, dass ich und er fälschlicherweise angezeigt werden. Also werde ich, wenn es Zeit für uns ist zu gehen, mein Video ausschalten. |
| Und es wird sich anfühlen, als würden Sie nur mit sich selbst sprechen, aber ich höre zu und stelle nur sicher, dass alles okay ist, dass das Video gut aussieht und dass alles auf der Folie passt. |
| Aus irgendeinem Grund ist es so, und ich habe mehr als ein Dutzend davon aufgezeichnet, wahrscheinlich, weil aus irgendeinem Grund etwas schief läuft. |
| Ich werde einfach die Stummschaltung einschalten und sagen: „Hey, ihr müsst aufhören, wir müssen neu aufnehmen oder was auch immer“, aber ich rechne nicht damit, dass das passiert, also macht einfach weiter und redet von Anfang bis Ende.“ |
| Wenn einer von euch beiden das Gefühl hat, „oh mein Gott, das habe ich total vermasselt, das wollte ich nicht sagen“, hören wir einfach auf und sagen dann, „hey, ich fange nochmal an und mache es nochmal, oh ja.“ |
| Das solltest du tun. |
| Yi Ying TAN | Okay. |
| Larry LaRusso | Aber ich möchte Sie ermutigen, sich keine Sorgen über solche Leute zu machen. Die Absicht hier besteht darin, die Sache ziemlich locker anzugehen, und es muss nicht perfekt sein. |
| Ich würde sagen, wie gesagt, das Einzige, worüber ich mir Sorgen machen würde, wäre, wenn Sie sagen würden: „Moment mal, das mache ich auf der Veranstaltungsseite“, oder „Sie haben etwas Falsches gesagt“, und Ihnen klar wird, dass wir die Möglichkeit haben, einfach zu sagen, „Ich fange noch mal an und es ist okay“, aber, aber, wie gesagt. |
| die Leute, die uns zuschauen, werden sehr, sehr nachsichtig sein. Es ist ein Zoom-Anruf. Ich würde mir darüber keine Sorgen machen, es ist etwas Schreckliches. |
| Yi Ying TAN | 30 Uhr in Singapur, wissen Sie, wie Ihr Plan, es öfter zu machen. |
| Einmal. |
| Larry LaRusso | Die andere Sache ist. |
| Geben Sie mir bitte ein mündliches Stichwort, damit ich nicht weiß, wer von Ihnen zuerst anfängt. Sagen Sie es einfach. |
| Vielen Dank, dass Sie sich mir angeschlossen haben. Willkommen zu unserem Gespräch oder so etwas in der Art, denn es bietet mir sozusagen einen Ausgangspunkt, um sicherzustellen, dass … Okay, ich weiß, dass sie … |
| Ich möchte hier anfangen und mich am Ende bei Ihnen für Ihre Teilnahme bedanken. Wenn Sie Fragen haben, können Sie das gerne tun. |
| Geben Sie sie ruhig in den Chat oder ähnliches ein, da dann eine Seite erstellt wird, die unten Kommentare enthält. |
| Oder wenn Sie es einfach mit „Danke, dass Sie dabei waren“ beenden möchten, wissen Sie, ich weiß nicht, ob die Kontaktinformationen oder einfach etwas, das Sie mir als Start- und Endpunkt der Audiodatei geben können, damit wir das Video zuschneiden und sicherstellen können, dass es gut aussieht. |
| Und dann werde ich noch etwas zum Schluss sagen und dann überlasse ich euch wirklich die Präsentation. |
| Wir nehmen drei verschiedene Versionen davon auf. |
| Eines mit nur der Folie, sodass der Schieber den gesamten Bildschirm einnimmt, und bei dem anderen, bei dem Sie sprechen. So sehen Sie mich wahrscheinlich gerade, nämlich, dass ich nur einen kleinen Ausländer nehme, und dann nimmt die Fliege 80 % des Bildschirms ein. |
| Und dann ist da noch der Dritte. |
| Sie werden als Sprecher allein im Vollbildmodus angezeigt und wir machen das, weil Sie und Ihre Folie die meiste Zeit im Bilde sind. |
| Aber wenn Sie nur der Abwechslung halber länger als ein paar Minuten an einer Folie hängen, kann es sein, dass wir ins Stocken geraten, nur in Ihrem Bild, wissen Sie, zum Beispiel, dass Sie nur 20 Sekunden geredet haben und dann zurückgehen. |
| Wir haben also drei unterschiedliche Versionen und einige davon sind wirklich gut. |
| Produzenten werden ein paar kreative Entscheidungen darüber treffen, wie es gezeigt wird. Sie müssen sich also darüber im Klaren sein, dass es fast wie bei einer Fernsehshow hin und her springen kann, und dass Sie manchmal mit der Folie sprechen und die meiste Zeit dann wieder mit der Folie. |
| Karishma YADAV | Okay, klingt gut, ja. |
| Larry LaRusso | Ok, hast du noch weitere Fragen? |
| Yi Ying TAN | Ja. |
| Karishma YADAV | Wir müssen also eine Wiederholungsaufnahme machen. |
| Wird es dann zufällig fortgesetzt oder müssen wir die ganze Zeit von vorne beginnen? |
| Larry LaRusso | Sie wissen also, dass wir möglicherweise eine 40-minütige Aufzeichnung haben, wenn Sie nur einen 20-minütigen Vortrag haben, und das ist in Ordnung. Ich meine, wenn Sie wissen, wie einfach es ist, aus irgendeinem Grund einfach die erste Minute wegzuschneiden, und ich wiederhole: |
| seien Sie nicht zu streng mit sich selbst, aber wenn Sie das Gefühl haben, dass Sie wirklich neu anfangen möchten, sagen Sie einfach: „Larry, ich fange noch einmal an“ und dann: „Ich möchte noch einmal von vorne anfangen.“ |
| Willkommen zu meinem Vortrag. Und dann werden wir wissen, dass die erste Version es loswerden wird. Wir müssen also nicht neu starten, wir werden einfach weiterarbeiten, bis wir auflegen. |
| wir übernehmen das Hacken. |
| Yi Ying TAN | In Ordnung. |
| Larry LaRusso | Vielen Dank, ich habe einfach nichts weiter zu sagen, ich möchte mich nur vergewissern. |
| Ihr Sound klingt großartig, die Hintergründe sehen fantastisch aus. |
| Ich denke, wir können loslegen. Ich übergebe jetzt das Wort an Sie. Ich werde die ganze Zeit zuhören. Wenn Sie also Fragen haben oder aufhören müssen oder so, lassen Sie es mich einfach wissen. Ansonsten wünsche ich Ihnen viel Spaß beim Vortrag. |
| Ich werde mit euch reden, wenn ihr fertig seid. |
| Yi Ying TAN | Danke schön. |
| Wir können also jederzeit starten. |
| Larry LaRusso | Also, ja, fangen Sie einfach an. Wenn Sie sich eine Sekunde Zeit nehmen möchten, machen Sie sich bereit. Ihre Folien scheinen bereits hochgeladen zu sein. Wenn Sie bereit sind, sagen Sie einfach „Danke, dass Sie dabei sind“, und dann kann es losgehen. |
| Yi Ying TAN | Und |
| Larry LaRusso | Ich werde den Ton ausschalten und mein Video abschalten. |
| Danke schön. |
| Yi Ying TAN | Guten Morgen. Zunächst möchte ich dem Komitee dafür danken, dass es unser Projekt in die engere Auswahl aufgenommen hat. Es ist eine große Ehre, am JMP Discovery Summit teilzunehmen. |
| Bevor ich mit der Präsentation beginne oder unser Team vorstelle, sind wir vom Master of IT in Business-Programm der SMU. Ich bin Yi und wir haben heute Karishma und Sue-Ann bei mir. |
| Tin Seong Kam ist unser Professor. Er ist heute nicht bei uns, da er andere Verpflichtungen hat. Wie Sie auf diesem Deckblatt sehen können, |
| In diesem Projekt untersuchen wir die Verwendung der latenten Klassenanalyse zur Identifizierung von Depressionsunterklassen mithilfe von JMP Pro. Während der Präsentation verwenden wir möglicherweise die Kurzform LCA, um uns auf die latente Klassenanalyse zu beziehen. |
| Okay. |
| Um Ihnen mehr Hintergrundinformationen zu unserem Projekt zu geben: Wir beschäftigen uns mit Depressionen, einer psychischen Erkrankung, die bei Jugendlichen und Erwachsenen aller Altersgruppen immer häufiger auftritt. Laut WHO |
| Laut der Weltgesundheitsorganisation ist Depression die weltweit häufigste Ursache für Behinderungen und trägt maßgeblich zur globalen Krankheitslast bei. |
| Die Fähigkeit, den Schweregrad einer Depression genau zu diagnostizieren, war schon immer ein großes Hindernis bei der Behandlung depressiver Patienten. |
| Zur Diagnose einer Depression und zur Bestimmung ihres Schweregrads wird häufig ein Fragebogen verwendet. |
| Er heißt PHQ, Public Health Questionnaire. |
| Es handelt sich um ein Instrument mit neun Fragen, das... |
| das diese Fragen enthält. Die erste wäre, dass Sie wenig Interesse daran haben, Dinge zu tun; die zweite wäre, dass Sie sich deprimiert oder hoffnungslos fühlen. |
| Die dritte Frage lautet: „Haben Sie Schlafprobleme oder schlafen Sie zu viel?“ Die vierte Frage lautet: „Fühlen Sie sich müde oder haben Sie wenig Energie?“ |
| Die fünfte Frage wäre: „Haben Sie Appetitlosigkeit oder essen Sie zu viel?“ Und die nächsten paar Fragen lauten: „Fühlen Sie sich schlecht?“ |
| Fällt es Ihnen schwer, sich auf Dinge zu konzentrieren? Und die achte Frage wäre: Bewegen Sie sich oder sprechen Sie langsam oder bewegen Sie sich oder sprechen Sie zu schnell? Die letzte Frage, die wir in unser Projekt aufgenommen haben, lautet: |
| haben Sie Selbstmordgedanken? |
| A, B, C, D. Auf der rechten Seite ist eine Tabelle, und Sie können sehen, wie Sie diese Tabelle lesen, dass A und B hier die gleiche Punktzahl von 10 haben. |
| Und die Schweregrade werden als moderat eingestuft. C und D hingegen haben den gleichen Wert von 20 und werden nach PHQ-9 als schwer depressiv eingestuft. |
| Der Interviewer wird sie also fragen, wie häufig sie das Symptom erlebt haben, auf einer Skala von null bis drei. Wie Sie sehen, besteht die Antwort in dieser Tabelle hauptsächlich aus 0, 1, 2 und 3. |
| Null bedeutet, dass keine Symptome auftreten, und drei ist die häufigste Zahl, nämlich fast jeden Tag. Der Gesamtwert ergibt sich aus der Summe der Antworten auf alle neun Fragen (eine Skala von null bis 27). |
| Wenn wir uns nun die Ergebnisse von C und D genauer ansehen, |
| Sie können sehen, dass beide einen Wert von 20 haben, aber die Symptome, die sie erleben, sind ganz unterschiedlich. Zum Beispiel fühlt sich C oft schlecht, |
| hier, wie Sie wissen, aber es tut mir leid, ich zeige eher auf die andere Seite, aber D hat das nie gespürt. |
| Und C hat selten Selbstmordgedanken, aber D hat sie fast jeden Tag. Die Frage, die wir hier haben, ist, dass |
| Tragen diese Symptome in gleichem Maße zur Diagnose einer Depression bei? Aus klinischer Sicht wurde PHQ-9 als gültiges Instrument zur Messung des Schweregrads einer Depression eingestuft. Unser Team war jedoch der Meinung, dass die beliebte … diese häufig verwendete |
| fünf Kategorien der Schwere von Depressionen basierend auf der Summe der Antworten |
| ist übermäßig subjektiv. |
| Daher ist der Zweck unseres Projekts, zu demonstrieren...herauszufinden, wie die latente Klassenanalyse von JMP verwendet werden kann, um eine datengesteuerte und |
| objektiver Ansatz zur Bestimmung der Schweregrade von Depressionen. Die Analyseergebnisse zeigen, dass LCA unser Verständnis der Merkmale von Depressionsklassen besser verbessert als die herkömmlichen Fünf-Kategorien-Methoden. |
| Unter Verwendung desselben Satzes von neun Fragen aus dem Fragebogendatensatz der nationalen Gesundheits- und Ernährungsuntersuchung von 2017 bis 2018 verwenden wir LCA, um 5.000 Befragte zu klassifizieren |
| in Depressionsschwereklassen. Wir vergleichen das dann mit den PHQ-9-Ergebnissen, die lediglich eine Summierung der Antworten verwenden ... |
| Antwortvariablen, um die Schweregrade der Depression zu ermitteln. Dieser Klassenvergleich wird die Unterschiede in den Schweregraden der Depressionsklassen zwischen den beiden Methoden aufzeigen. |
| Ja, lassen Sie mich auf der nächsten Folie näher darauf eingehen. |
| So haben wir die Daten zunächst aufbereitet: Wir haben zunächst den öffentlich verfügbaren Datensatz der nationalen Gesundheits- und Ernährungsumfrage für die Jahre heruntergeladen, die ich gerade erwähnt habe, 2017 bis 2018. |
| Wir verwenden nur die Daten dieser Jahre, um die Datenqualität aufrechtzuerhalten, da wir leichte Bedenken hatten, dass es Unterschiede in der Art und Weise geben würde, wie die Befragten in verschiedenen Zeiträumen antworten. Daher haben wir die Daten anschließend in JMP Pro bereinigt. |
| Wir verwenden JMP Pro 16. Im Datensatz gibt es ursprünglich insgesamt 10 Spalten mit ??? Antworten. |
| Aber wir haben festgestellt, dass die letzte Frage eine Konsolidierungsfrage ist. Sie lautet: Wie schwierig haben diese Probleme es für Sie gemacht, Ihrer Arbeit nachzugehen, sich um Dinge zu Hause zu kümmern oder mit Menschen auszukommen? Aufgrund der Natur von |
| Da es sich hierbei um eine Konsolidierungsfrage handelt, haben wir diese aus unserer Arbeit ausgeschlossen. |
| Anschließend führen wir einige Schritte zur Datenbereinigung und -vorbereitung durch, z. B. die Überprüfung auf fehlende Werte und das Umbenennen einiger Spalten, um die Variablen für die latente Analyse besser widerzuspiegeln. |
| Der PHQ-9-Wert wurde ebenfalls in einer neuen Spalte tabellarisch aufgeführt und in fünf Kategorien der Depressionsschwere umkodiert, nämlich keine, leichte, mittelschwere, mittelschwere und schwere Depression. Abschließend führen wir die latente Klassenanalyse durch und interpretieren die Ergebnisse. |
| Ich werde Sie nun durch die einzelnen Schritte der von uns durchgeführten Analyse führen. Zunächst haben wir JMP Pro 16 verwendet, um die LCA auszuführen und die Interviewpersonen mit unterschiedlichen Mustern in Cluster zu gruppieren. |
| Und die Art und Weise, wie wir das Clustermodell auswählen, basiert auf den BIC- und AIC-Werten dieser Modelle. |
| Anhand der Modellberichte haben wir die Effektstärken der jeweiligen Variablen ausgewertet, um die Trennung zwischen latenten Klassen zu ermitteln. |
| Und weil dies die Genauigkeit der Kategorisierung von Personen in unterschiedliche ... korrekte latente Klassen anzeigt, betrachten wir auch Log-Werte, um den Einfluss jeder Variablen auf das Modell zu bestimmen. |
| Als Nächstes führten wir eine Kontingenztabellenanalyse durch, um die LCA-Klassen mit den fünf Kategorien von Depressionsschwereklassen zu vergleichen, die mithilfe der herkömmlichen PHQ-9-Methoden abgeleitet wurden. |
| Unsere Hypothese ist, dass der häufig verwendete PHQ-9, der auf der Summe der von mir genannten Antworten basiert, zu subjektiv ist, da er die statistische Gewichtung einzelner Variablen nicht berücksichtigt. Der Vergleich mit den LCA-Ergebnissen erfolgt mit |
| statistische Methoden, die es uns ermöglichen, die Gültigkeit der Ergebnisse besser zu überprüfen. |
| Damit übergebe ich das Wort an Karishma, die uns mehr über die Erkenntnisse und Schlussfolgerungen erzählen wird. |
| Jetzt bist du dran, Karishma. |
| Du bist stumm, Karishma. |
| Karishma YADAV | Oh, Entschuldigung. |
| Danke, Yi. Hallo zusammen. Ich bin Karishma Yadav und werde euch mit unserer Präsentation weiterbringen. |
| Wir wissen also, dass es für Forscher im Bereich der psychischen Gesundheit wichtig ist, Untergruppen von Personen identifizieren zu können |
| innerhalb der Allgemeinbevölkerung, die ähnliche Muster von psychischen Gesundheitssymptomen oder Stärken aufweisen, so dass diese Gruppen weiter untersucht werden können, um Fragen zu untersuchen, wie zum Beispiel, welche psychischen Gesundheitsklassen allgemein vorherrschend sind, |
| und welche zukünftigen Ergebnisse sie vorhersagen und ob sich die psychischen Gesundheitsklassen im Laufe der Zeit ändern. Darüber hinaus ist die Identifizierung dieser Untergruppen für Praktiker wichtig |
| um ... im Feld psychische Erkrankungen zu behandeln und zu verhindern. Eine zunehmend beliebte Methode zur Identifizierung von Untergruppen ist die latente Klassenanalyse, die ... die als LCA abgekürzt wird |
| von nun an in der Präsentation. LCA ist also ein Querschnittsansatz zur latenten Variablenmischungsmodellierung. Wie alle Ansätze zur latenten Variablenmischungsmodellierung zielt LCA darauf ab, die Heterogenität innerhalb der Population zu finden. |
| Dies geschieht durch die Analyse von Verhaltensmustern einzelner Personen, wie z. B. Indikatoren für die psychische Gesundheit, und durch die Ermittlung gemeinsamer Typen, sogenannter Klassen. So wird jede Person wahrscheinlichkeitsmäßig einer Klasse zugeordnet, |
| Dies wird mit der angezeigten Formel berechnet. Und die Ergebnisse sind Untergruppen von Individuen, die einander am ähnlichsten und sich am meisten von denen anderer Klassen unterscheiden. Nächste Folie. |
| So erstellen wir das LCA-Modell in JMP Pro 16. Wie bereits von Yi erwähnt, haben wir in den Vorverarbeitungsschritten |
| PHQ-9-Variablen werden durch die Summierung der neun Eingabevariablen, der im PHQ-9-Fragebogen gestellten Fragen und anschließend des PHQ-9-Scores, der zwischen null und 27 liegt, ermittelt, um fünf Klassen zu ermitteln. |
| Die Klassen basieren auf Grenzwerten, die von Klinikern häufig bei vielen medizinischen Diagnosen verwendet werden. Die von Yi zuvor erwähnten Klassen sind |
| keine, leicht, mittelschwer, mittelschwer und schwer. Nach der Vorverarbeitung beschlossen wir, ein Modell in JMP Pro zu erstellen, indem wir LCA als Clusteranalysemethode wählten und dann die neun Fragen des latenten PHQ-9 wählten |
| als die hier gezeigten Eingabefunktionen. Daher haben wir das LCA-Modell für Cluster von drei bis 15 ausgeführt, um das am besten passende Modell zu finden. |
| Nächste Folie. |
| Dies ist also das Ergebnis der Ökobilanz. Die neuesten Klassenmodelle werden iterativ geschätzt, wobei potenzielle Klassen hinzugefügt werden, um zu bestimmen, welches Modell am besten zu den Daten passt. Die Beurteilung der besten Anpassung kann also eine Menge Überlegungen erfordern. |
| einschließlich Informationskriterien. Hier haben wir also Informationskriterien verwendet. |
| Wie wir sehen, liefert uns Cluster 5 den niedrigsten BIC, das Bayesianische Informationskriterium. Wir haben auch versucht, das Modell mit einer größeren Anzahl von Clustern laufen zu lassen, aber der AIC verschob sich mit der zunehmenden Anzahl von Klassen ständig, also haben wir BIC als optimale Clustergröße gewählt. |
| Daher wurden die Personen auf Grundlage der Antworten im Fragebogen in fünf Klassen eingeteilt. Nächste Folie. |
| Dies sind die Diagramme, die die Verteilung der einzelnen Personen in den einzelnen Klassen und den Anteil der Antworten in jeder Variablen zeigen. |
| Es zeigt auch die Antwortwahrscheinlichkeiten jeder der neun Variablen in jeder der Klassen. Man kann also sehen, dass in Cluster eins |
| alle Variablen haben überhaupt nicht als vorherrschende Antwort, und dies ist das geringste Risiko |
| Cluster 2. Im Cluster 2 ist der Anteil von „überhaupt nicht“ als Antwortvariable geringer und |
| Erhöhter Anteil mehrerer Tage als Antwort. Cluster drei hat einen erhöhten Anteil mehrerer Tage und mehr als die Hälfte der Tage als Antwort, und Cluster vier und fünf haben einen noch höheren Anteil dieser hochfrequenten Antworten. Weiter. |
| keine, leicht, mittelschwer, mittelschwer und schwer. |
| Wie wir sehen, umfasst die Klasse 1 eine Größe von etwa 48 %. Die Personen dieser Klasse haben überhaupt keine depressiven Symptome oder die Antwort lautet für alle neun Variablen „überhaupt nicht“. Diese Personengruppe hat kein Risiko, an Depressionen zu erkranken. |
| Klasse zwei weist leichte Symptome auf, ihr Anteil beträgt etwa 24 %. |
| Einzelpersonen...die Einzelpersonen in dieser Klasse haben zwei vorherrschende Merkmale, die hier aufgelistet sind: Schlafstörungen oder zu viel Schlaf |
| mehrere Tage in der Woche, sich müde fühlen oder wenig Energie haben. Und Personen in Klasse drei |
| haben mäßige Symptome und eine Klassengröße von etwa 11 %; 70 % von ihnen haben geantwortet, dass sie sich mehrere Tage in der Woche müde oder energielos fühlen. Sie erlebten auch eine zunehmende Schwere der in Klasse zwei aufgeführten Symptome. |
| Darüber hinaus zeigten sie auch andere Symptome, beispielsweise kein Interesse daran, Dinge zu tun, Niedergeschlagenheit, Depression und Hoffnungslosigkeit. |
| Klasse vier hat eine Größe von 10,44% und diese Gruppe von Personen hat noch höhere Schwere der depressiven Symptome, so dass sie etwa sieben von neun der depressiven Symptome erleben |
| ziemlich häufig. Dann haben wir die fünfte Klasse mit einer Klassengröße von etwa 6 %. Sie erlebten alle neun Symptome und der Schweregrad ist |
| sehr hoch. Sie erleben es jeden Tag oder an mehr als der Hälfte der Tage. Nächste Folie. |
| Dies sind die Effektstärken der neun Variablen und der Log-Wert. Die Effektstärken sind, wie Sie sehen, Werte zwischen null und eins. |
| und höhere Effektstärken weisen auf eine höhere Wahrscheinlichkeit hin, dass Personen korrekt einer latenten Klasse zugeordnet werden. |
| Daher weisen die meisten Eingabevariablen Effektstärken von über 75 % auf, und der Log-Wert hingegen bezeichnet die Wirksamkeit der Variablen bei der Vorhersage der Cluster. |
| Je größer der Log-Wert, desto stärker ist die Variable im Modell. Die Ergebnisse zeigen, dass nicht alle Variablen die gleichen Log-Werte aufweisen. |
| Dies bestätigt unseren Verdacht, dass die Variablen möglicherweise nicht in gleichem Maße zur Diagnose beitragen und dass die Summierung der PHQ-9-Werte nur dann genau und zuverlässig ist, wenn jede Variable im Modell den gleichen Einfluss hat. Also weiter. |
| Und schließlich: |
| Dies ist die Kontingenztabelle. Wie wir sehen können, |
| depressive Symptome aus der |
| Die Summen- und Kontingenztabelle des PHQ-9 ergaben die Klassen, die wir mit |
| Letzendklassenanalyse sind ganz anders. |
| Der P-Wert beträgt ca. |
| .001, |
| was bedeutet, dass kein Stichprobenfehler vorliegt. Wir haben dies also getan, um zu belegen, dass die Ergebnisse konsistent sein werden, wenn wir etwa 1.000 Mal 1.000 verschiedene Proben entnehmen, und nur eine davon ein anderes Ergebnis als dieses haben wird. |
| Nächste. |
| Abschließend kommen wir zu dem Schluss, dass die Schweregrade von Depressionen, die mithilfe statistischer Clustermodelle wie LCA ermittelt werden, eine genauere Bewertung der Schwere von Depressionen ermöglichen. |
| verglichen mit denen, die durch bloße Summierung der Antworten des PHQ-9 abgeleitet wurden. |
| Weitere Studien müssen durchgeführt werden, um die Gewichtung der jeweiligen Variablen zu bestimmen und das PHQ-9-Neun-Modell zu stärken, das sich als zuverlässiger und effizienter erwiesen hat. Dies ist wichtig |
| weil die Schwere der Depression einzelner Personen und der Anteil der depressiven Bevölkerung unterschätzt werden |
| stellt ein erhebliches Risiko für die Gesellschaft dar. Ohne eine genaue Diagnosemethode wird es schwierig, die erforderlichen Mittel zur Vorbeugung und Behandlung von Depressionen zu bestimmen. |
| Das war’s also mit unserer Präsentation. Fragen können Sie gerne im Kommentarfeld unter dem Video stellen. Vielen Dank. |
| Larry LaRusso | Exzellent. |
| fantastisch, vielen Dank. |
| Ich bin sehr zufrieden damit. Ich meine, ich fand, es klang großartig. Ihre Folien sind fantastisch. |
| Karishma YADAV | Danke schön. |
| Larry LaRusso | ja, Ihrer Meinung nach läuft alles reibungslos, ich-ich-habe-keine-Probleme-gesehen und es war eigentlich ein sehr interessantes Gespräch. |
| Ich war zwar nicht ganz so technisch versiert wie ihr, aber was die Sticks angeht, die ihr habt, interessiert mich das schon. |
| Ich bin sicher, es wird Pocket sein. |
| Karishma YADAV | Danke schön. |
| Ja. |
| Larry LaRusso | Na, dann schlaf ein bisschen. |
| Karishma YADAV | Ja. |
| Larry LaRusso | es ist jetzt fast 11, aber ähm. |
| Vielen Dank. Wir werden Sie erneut informieren, falls es irgendwelche Probleme oder Ähnliches gibt. Bitte, Leute. |
| Ich bekomme einen Link, den ich mit externen Leuten teilen kann. Ich schicke ihn Ihnen allen, wenn Sie ihn sich nur ansehen und sehen möchten, wie er aussieht. Es wird aber nur die Rohfassung von P sein, also wird er all unsere Frontend-Sachen und all diese Backend-Sachen enthalten, aber. |
| Wenn Sie einfach nur neugierig sind, schicke ich es Ihnen einfach, damit Sie mehr erfahren. Und dann wissen Sie, dass wir es produzieren und dafür sorgen werden, dass es interaktiv ist und gut aussieht. |
| Okay, alles klar. |
| ja, ja, ich wünsche Ihnen einen schönen Tag und Abend, was auch immer der Fall sein mag, und danke noch einmal, dass Sie dabei waren. |
| Karishma YADAV | Danke schön. |
| Larry LaRusso | Okay, schön, euch alle kennenzulernen, machts gut. |
| Karishma YADAV | Danke, mir auch, gute Nacht und alles Gute. |
| Guten Morgen. |
| Larry LaRusso | Tschüss. |
| Hi. |
