756797_ja-JP

liliconcom

JMP Pro 16 を使用したうつ病のサブクラスを識別するための潜在クラス分析 (2021-US-30MP-893)

カリシュマ・ヤダブ、シンガポール経営大学学生
SEET Fei Fei Sue-ann、シンガポール経営大学学生
TAN Yi Ying、シンガポール経営大学学生
ティン・ソン、シンガポール経営大学コンピューティング・情報システム学部准教授

WHO によると、「うつ病は世界中で障害の主な原因であり、世界全体の疾病負担の大きな原因となっています」。うつ病患者のケアにおける大きな障害は、うつ病の重症度の正確な診断です。患者健康質問票 (PHQ-9) は、9 つ​​の質問から成り、うつ病の診断と重症度の判定に広く使用されています。しかし、9 つの質問に対する回答の合計に基づく、広く使用されている 5 段階のうつ病重症度分類は、あまりにも主観的でした。この制限を考慮して、私たちの論文では、JMP Pro の潜在クラス分析を使用して、うつ病の重症度クラスを判定するためのデータ主導型で客観的なアプローチを提供する方法を示すことを目的としています。この研究は、米国疾病管理予防センターが実施した 2017-2018 年の国民健康栄養調査 (NHANES) のメンタルヘルス - うつ病スクリーナーを使用して実施されました。分析結果から、潜在クラス分析によって、従来の 5 段階法よりもうつ病クラスの特性に対する理解が向上することが明らかになりました。

自動生成されたトランスクリプト...

スピーカー	トランスクリプト
カリシュマ・ヤダブ	こんにちは。
タン・イーイン	こんにちは。
カリシュマ・ヤダブ	申し訳ありませんが、結婚する声は聞こえません。
タン・イーイン	私、つまりごめんなさい。
カリシュマ・ヤダブ	はい、聞こえますよ。
ラリー・ラルーッソ	これでうまくいくと思います。
カリシュマ・ヤダブ	はい、うまくいきました。
ラリー・ラルーッソ	はい、よかったです。
	興味深いですね。
	何らかの理由で、私のラップトップの Mike は JMP の外で私を迎えに来ません。
	私は何度も JMP を切り替えなければなりませんが、誰かが言うたびに、聞こえないことがわかります。
	君たちはそうしてるよ。
カリシュマ・ヤダブ	順調ですよ。
ラリー・ラルーッソ	あなたの体が好きだというのはクリシュナがそう言っているのですか。
カリシュマ・ヤダブ	そうです、スコットランドです。
ラリー・ラルーッソ	アイルランドMMAいいですね。
	それは承知しております。
	良い。
ラリー・ラルーッソ	そして彼はあなたが言う通りになります。
タン・イーイン	はい、はい。
ラリー・ラルーッソ	すごいですね。そうそう、これをしてくれて二人ともありがとう。
	講演を録音するために時間を割いていただき、本当に感謝しています。私は、講演の制作面でお手伝いをするためにここにいるだけです。
	左上隅を見ると、自動的に録画していることが分かると思いますが、お二人ともそれでよろしいでしょうか。
カリシュマ・ヤダブ	はい、わかりました。
ラリー・ラルーッソ	素晴らしいですね。
	私たちの意図は、明らかに、これをディスカバリー カンファレンスの一部にし、community.com のコミュニティ ページに掲載することです。
	つまり、これは実際には会議後も存続し、人々はそれにアクセスできるようになり、あらゆるものも利用できるようになるわけですが、皆さんはそれについても安心できますか。
カリシュマ・ヤダブ	うん、よかった。
ラリー・ラルーッソ	素晴らしい。ありがとうございます。これらが 2 つの法的な質問です。
	背景も素晴らしいですね。ロゴの侵害などがないか確認したいのですが、すべてが素晴らしいですね。これまでに録画したことがありますか。ディスカバリー サミットに参加するのは今回が初めてですか。
カリシュマ・ヤダブ	はい、初めてです。
	わかった。
ラリー・ラルーッソ	じゃあ、君たちが帰る時間になったら知らせるよ。僕はおそらく新しいことをやるつもりなんだ。
	ヘッドフォンをつけて、あなたが話している間は私のビデオをオフにします。私が画面にポップアップ表示されないようにする必要がありますが、そうすると彼が誤って表示される可能性がなくなります。そのため、出発の時間になったら、ビデオをオフにします。
	まるで独り言を言っているように感じられるかもしれませんが、私は聞いていて、すべてが順調に進んでいるか、ビデオの見栄えが良いか、スライド内のすべてが見つかるかを確認しています。
	何らかの理由で、何か不具合が発生した場合に備えて、12 件以上録音しました。
	ミュートを解除して、「皆さん、止めてください。再録音するか何かしなければなりませんが、そんなことは起きないと予想しているので、とにかくトラックをオンにして、最初から最後まで話してください」と言うつもりです。
	もしどちらかが「ああ、完全に台無しにしてしまった。そんなことを言いたかったわけではない」と感じたら、私たちはただ立ち止まって、「ああ、もう一度やり直そう」と言います。
	それをすべきです。
タン・イーイン	わかった。
ラリー・ラルーッソ	しかし、ここでの意図は、これをかなりカジュアルに扱うことであり、完璧である必要はないので、人々のことを心配しないことをお勧めします。
	私が心配するのは、先ほど言ったように、イベント側で「ちょっと待ってください」とか「何か間違ったことを言ってしまいました」と言われて、もう一度やり直して大丈夫だと言う能力があることに気づいた場合だけですが、先ほど言ったように。
	私たちを見ている人たちは、とても寛容になるでしょう。それはズーム通話ですから、私はそれについて心配しないでしょう。ひどいことが起こるかもしれません。
タン・イーイン	シンガポールでは午後30時、ご存知のとおり、それ以上の予定でやっています。
	一度。
ラリー・ラルーッソ	もう一つは。
	どちらが先に始めるか分からないので、口頭で合図をいただければと思います。
	ご参加いただきありがとうございます。私たちのトークにようこそ、といった感じでしょうか。これは、私が彼女について知っていることを確認するための出発点となるからです。
	ここで始めたいと思います。最後に、ご参加いただきありがとうございます、ご質問があればどうぞ。
	チャットなどに自由に入力してください。下部にコメントがあるページが作成されます。
	あるいは、参加していただいたことへの感謝の気持ちで締めくくりたいだけなら、連絡先情報か、それともビデオを切り取って見た目を確認できるようにオーディオの開始点と終了点を教えていただけると助かります。
	それでは最後に私が言いたいことと、その後は皆さんにプレゼンテーションをしてもらいます。
	これを3つの異なるバージョンで録音しています。
	1 つはスライドのみで、スライダーが画面全体を占めています。もう 1 つは、あなたが話しているところです。おそらく今私が見ているのは、小さな外国人を撮っているだけで、ハエが画面の 80% を占めているのがわかります。
	そして3つ目は。
	スピーカーとしてあなただけが全画面で表示されます。ほとんどの場合、スライドとあなただけが表示されるからです。
	しかし、変化をつけるためにスライドを数分以上表示し続けると、写真だけで、20 秒間話して元に戻るといったような失敗に終わる可能性があります。
	3つの異なるバージョンがあり、非常に優れたものがいくつかあります。
	プロデューサーは、どのように見せるかについてクリエイティブな決定を下すので、テレビ番組のように JMP が行ったり来たりすることがあり、時にはスライドに向かって話したり、ほとんどの場合は他のことをしたりすることになるでしょう。
カリシュマ・ヤダブ	はい、いいですね。
ラリー・ラルーッソ	はい、他に何か質問はありますか。
タン・イーイン	うん。
カリシュマ・ヤダブ	それで、もし再受験しなければならないとしたら。
	偶然にも、その後再開されるのでしょうか、それともずっと間違ったところから始めなければならないのでしょうか。
ラリー・ラルーッソ	ですから、もし 20 分の話しかなくても、録音が 40 分になる可能性もあります。つまり、何らかの理由で最初の 1 分を切り落とすのがいかに簡単かがわかれば、また問題ありません。
	自分に厳しくなりすぎないでください。でも、もし「いや、本当にやり直したいんだ、ラリー、もう一度やり直すよ」と感じたら、こう言いましょう。
	私の講演へようこそ。最初のバージョンではそれが削除されるので、再起動する必要はなく、電話を切るまで作業を続けるだけです。
	私たちが切り刻みます。
タン・イーイン	よし。
ラリー・ラルーッソ	ありがとう、他に何もないので、確認したいだけです。
	サウンドは素晴らしく、背景も素晴らしいです。
	準備は整ったと思いますので、皆さんにバトンタッチします。繰り返しますが、私はずっと話を聞きます。質問がある場合や、話を中断する必要がある場合など、何かあればお知らせください。そうでなければ、話を楽しみます。
	終わったらまた話します。
タン・イーイン	ありがとう。
	だからいつでも始められます。
ラリー・ラルーッソ	はい、とにかく始めてください。少し時間があれば準備してください。スライドはすでに上がっているようですので、準備ができたらいつでも参加していただきありがとうございますと言って、あとは出発してください。
タン・イーイン	そして
ラリー・ラルーッソ	音声をミュートしてビデオをオフにします。
	ありがとう。
タン・イーイン	おはようございます。まず、私たちのプロジェクトを最終候補に選んでくださった委員会に感謝申し上げます。JMP Discovery Summit に参加できることを大変光栄に思います。
	プレゼンテーションを始める前に、あるいは私たちのチームを紹介する前に、私たちは SMU のビジネス プログラムにおける IT 修士課程の学生です。私は Yi です。今日は Karishma と Sue-Ann が同席しています。
	ティン・ソン・カムは私たちの教授です。彼は今日は他の用事があるため出席していません。この表紙からわかるように、
	このプロジェクトでは、JMP Pro を使用して、うつ病のサブクラスを識別するための潜在クラス分析の使用について研究します。プレゼンテーションでは、潜在クラス分析を指すために LCA の短縮形を使用する場合があります。
	わかった。
	私たちのプロジェクトの背景をもう少し説明すると、私たちはうつ病に注目しています。うつ病は、あらゆる年齢層の若者や成人の間でますます一般的になりつつある精神疾患です。WHOによると、
	世界保健機関によれば、うつ病は世界中で障害の主な原因であり、世界全体の疾病負担の大きな要因となっています。
	うつ病の重症度を正確に診断できるかどうかは、うつ病患者のケアにおいて常に大きな障害となってきました。
	うつ病の診断や重症度の判定に役立てるためによく使われる質問票があります。
	それはPHQ（公衆衛生質問票）と呼ばれます。
	それは 9 つの質問からなるツールです...
	そこには、次のような質問が含まれています。最初の質問は、物事にあまり興味がないということです。2 番目は、気分が落ち込んだり、絶望したりすることです。
	3 つ目は、睡眠に問題がありますか、それとも寝すぎですか? 4 つ目は、疲れを感じたり、エネルギーが不足したりしていませんか?
	5 番目の質問は、食欲がない、または食べ過ぎているかどうかです。次の質問もいくつかあります。自分自身に対して嫌な気持ちを感じますか?
	物事に集中するのが難しいですか？8番目の質問は、動きや話し方が遅いですか、それとも動きや話し方が速すぎますか？私たちのプロジェクトに含めた最後の質問は、
	自殺願望はありますか？
	A、B、C、Dです。右側に表があります。この表を見ると、AとBのスコアは同じ10です。
	そして、重症度は中程度とみなされます。一方、C と D はスコアが同じ 20 であり、PHQ-9 では重度のうつ病とみなされます。
	面接官は、症状を経験した頻度を 0 から 3 のスケールで尋ねます。ご覧のとおり、この表の回答は主に 0、1、2、3 のようになっています。
	0 は症状が全くないことを意味し、3 は最も頻繁に、ほぼ毎日症状が出ていることを意味します。全体のスコアは、9 つ​​の質問に対する回答を合計して算出され、0 から 27 の範囲になります。
	ここでCとDの結果をさらに詳しく見てみると、
	二人ともスコアは20ですが、彼らが経験している症状はかなり異なります。例えば、Cは自分自身に対して嫌悪感を抱くことが多く、
	ここでは、ご存知のとおりですが、申し訳ありませんが、私はもっと違う権利を指摘していますが、D はそれを感じたことはありませんでした。
	Cは自殺願望をほとんど抱いていませんが、Dはほぼ毎日自殺願望を抱いています。ここでの疑問は
	これらの症状はうつ病の診断に同じ貢献をしているのでしょうか？臨床的観点から、PHQ-9はうつ病の重症度を測定する有効な手段であると評価されています。しかし、私たちのチームは、このよく使われている
	回答の合計に基づくうつ病の重症度の5つのカテゴリー
	あまりにも主観的です。
	したがって、私たちのプロジェクトの目的は、JMPの潜在クラス分析がどのようにデータ駆動型で提供されるかを明らかにすることです。
	うつ病の重症度クラスを決定するための客観的なアプローチ。分析結果から、LCA は従来の 5 つのカテゴリ方法よりもうつ病のクラス特性の理解を向上させることが明らかになりました。
	そこで、2017年から2018年にかけて実施された国民健康栄養調査のアンケートデータセットから抽出した9つの質問と同じセットを使用して、LCAで5,000人の回答者を分類します。
	うつ病の重症度クラスに分類し、それを、回答の単なる合計値を使用した PHQ-9 の結果と比較します...
	応答変数を使用して、うつ病の重症度レベルを算出します。このクラスの比較により、2 つの方法間のうつ病の重症度クラスの違いが明らかになります。
	はい、次のスライドでさらに詳しく説明します。
	まず、データをどのように準備したかというと、まず、先ほど申し上げた 2017 年から 2018 年までの国民健康栄養調査から公開されているデータセットをダウンロードしました。
	データの品質を維持するために、これらの年のデータのみを使用します。異なる期間にわたって回答者の回答方法が異なるのではないかと少し心配したためです。そこで、JMP Pro でデータを整理します。
	JMP Pro 16 を使用します。データセットには、元々 ??? の回答が合計 10 列あります。
	しかし、最後の質問は統合的な質問であることに気付きました。それは、これらの問題によって、仕事や家庭の世話、人との付き合いがどの程度困難になったかを尋ねています。
	それは統合の問題なので、私たちは作業から除外しました。
	その後、欠損値のチェック、潜在分析に適した変数を反映するように一部の列の名前を変更するなど、いくつかのデータクリーニングと準備の手順を実行します。
	PHQ-9 スコアも新しい列に集計され、うつ病の重症度に応じて、なし、軽度、中等度、中等度重度、重度の 5 つのカテゴリーに再コード化されました。これで、最終的に潜在クラス分析を実行し、結果を解釈します。
	それでは、私たちが実行した分析の詳細な手順を説明します。まず、JMP Pro 16 を使用して LCA を実行し、明確なパターンを持つインタビュー対象者をクラスターにグループ化しました。
	クラスタリング モデルを選択する方法は、これらのモデルの BIC 値と AIC 値に基づいています。
	モデルレポートから、それぞれの変数の効果サイズを評価し、潜在クラス間の分離を識別しました。
	そして、それは個人を異なる正しい潜在クラスに分類する精度を示しているからです。また、各変数がモデルに与える影響を判断するために、対数価値の値も調べます。
	次に、分割表分析を実施し、LCA クラスを従来の PHQ-9 法を使用して導き出された 5 つのうつ病重症度クラスと比較しました。
	私たちの仮説は、私が述べた回答の合計に基づく、一般的に使用されているPHQ-9は、統計的...個々の変数の統計的重み付けを考慮していないため、過度に主観的であるというものです。これをLCAの結果と比較すると、
	統計的手法により、結果の妥当性をより適切に検証できるようになります。
	それでは、調査結果と結論についてさらに詳しくお話しするために、Karishma にバトンタッチします。
	次はカリシュマさん。
	あなたは口がきけないですね、カリシュマ。
カリシュマ・ヤダブ	ああ、ごめんなさい。
	ありがとう、Yi。皆さん、こんにちは。私は Karishma Yadav です。プレゼンテーションを進めていきます。
	精神衛生分野の研究者にとって、個人のサブグループを特定できることは重要であることがわかっています。
	一般人口の中で、精神疾患の症状や強みのパターンが似ている人たちは、どのような精神疾患のクラスが一般的に普及しているかなど、さらに調査することができます。
	そして、それらがどのような将来の結果を予測し、精神衛生クラスが時間の経過とともに変化するかどうか。さらに、これらのサブグループを特定することは、専門家にとって重要である。
	精神疾患の治療と予防の分野では、サブグループを識別するための潜在クラス分析がますます人気を集めています。これは、LCAと略されます。
	これからのプレゼンテーションで説明します。LCA は、横断的な潜在変数混合モデリング アプローチです。すべての潜在変数混合モデリング アプローチと同様に、LCA は集団内の異質性を見つけることを目的としています。
	これは、メンタルヘルス指標などの個人の行動パターンを分析し、クラスと呼ばれる共通のタイプを見つけることによって行われます。つまり、各個人は確率的にクラスに割り当てられます。
	これは、表示されている数式を使用して計算されます。結果は、互いに最も類似しており、他のクラスのものと最も異なる個人のサブグループです。次のスライドをご覧ください。
	これがJMP Pro 16でLCAモデルを構築する方法です。先ほどYiが述べたように、前処理のステップで作成した
	PHQ-9 変数は、9 つ​​の入力変数、PHQ-9 アンケートで尋ねられる質問、そして 0 から 27 までの範囲の PHQ-9 スコアを合計して 5 つのクラスを決定します。
	クラスは、多くの臨床医が診断に広く使用しているカットポイントに基づいています。したがって、Yiが先に述べたクラスは、
	なし、軽度、中等度、中等度重度、重度。そこで前処理の後、LCAをクラスタリング分析法としてJMP Proでモデルを構築し、PHQ-9潜在的質問の9つの質問を選択しました。
	ここで示されている入力機能として、3 から 15 の範囲のクラスターに対して LCA モデルを実行し、最適なモデルを見つけました。
	次のスライド。
	これがLCAの結果です。最新のクラスモデルは反復的に推定され、潜在的なクラスを追加して、どのモデルがデータに最も適合するかを判断します。したがって、最も適合するものを判断するには多くの考慮が必要です。
	情報基準を含みます。ここでは情報基準を使用しました。
	ご覧のとおり、クラスター 5 は、ベイズ情報基準である BIC が最も低くなっています。また、クラスター数を増やしてモデルを実行してみましたが、クラス数が増えるにつれて AIC も変化し続けたため、最適なクラスター サイズとして BIC を選択しました。
	したがって、アンケートの回答に基づいて、個人は 5 つのクラスに分類されました。次のスライドをご覧ください。
	これらは、各クラスにおける個人の分布と各変数における応答の割合を示すグラフです。
	また、各クラスの9つの変数の応答確率も表示されています。クラスター1では、
	すべての変数が優勢な反応として全くなく、これが最もリスクが低い
	クラスター2では、回答変数として「全くない」の割合が減少し、
	数日間の回答の割合が増加しました。クラスター 3 では数日間の回答と半数以上の回答の割合が増加し、クラスター 4 と 5 ではこれらの高頻度回答の割合がさらに増加し​​ています。次へ。
	なし、軽度、中等度、中等度重度、重度。
	ご覧のとおり、クラス 1 は約 48% を占めており、このクラスの個人はうつ病の症状をまったく経験していないか、9 つの変数すべてに対してまったく反応がありません。このグループの個人はうつ病を経験するリスクはありません。
	クラス2は症状が軽く、その割合は約24%です。
	個人...このクラスの個人は、ここに挙げた2つの主な特徴、つまり睡眠障害または睡眠過多を持っています。
	週に数日、疲れを感じたり、エネルギーが低下したりします。そして、クラス3の個人は
	中等度の症状を持つ生徒はクラス全体で約 11% で、そのうち 70% が週に数日、疲労感やエネルギー不足を感じると回答しています。また、クラス 2 に記載されている症状の重症度が上昇していることも経験しています。
	さらに、彼らは物事に興味がなくなったり、気分が落ち込んだり、絶望したりするなどの他の症状も経験しました。
	クラス4は10.44％で、このグループの人々はうつ病の症状の重症度がさらに高く、うつ病の症状の9つのうち約7つを経験しています。
	かなり頻繁に起きています。次に5年生がいます。クラスの人数の約6％です。彼らは9つの症状すべてを経験し、その重症度は
	非常に高いです。彼らは毎日、あるいは半日以上それを経験しています。次のスライドをご覧ください。
	これらは9つの変数の効果サイズと対数値です。ご覧のとおり、効果サイズは0から1の間の値です。
	効果サイズが大きいほど、個人が潜在クラスに正確に分類される可能性が高くなります。
	したがって、入力変数の大部分は効果サイズが 75% を超えており、一方、対数値はクラスターを予測する際の変数の有効性です。
	対数価値が大きいほど、モデル内で変数が強力になります。結果は、すべての変数が同じ対数価値値を共有するわけではないことを示しています。
	これは、変数が診断に等しく寄与しない可能性があり、PHQ-9 スコアの合計が正確で信頼できるのは、各変数がモデル内で同じレベルの影響力を持つ場合のみであるという私たちの疑いを裏付けています。それでは次に進みましょう。
	最後に、
	これは分割表です。
	うつ病の症状は
	PHQ-9の合計と分割表は、私たちが導出したクラスに到達しました。
	実在するクラスの分析はまったく異なります。
	P値は約
	.001、
	これは、サンプリング誤差がないことを示しています。したがって、約 1,000 回、1,000 個の異なるサンプルをサンプリングすると、結果が一貫しており、そのうちの 1 つだけがこれとは異なる結果になるということを証明するためにこれを行いました。
	次。
	したがって、最終的に、LCAのような統計的クラスタリングモデルを使用して導き出されたうつ病の重症度レベルは、うつ病の重症度のより正確な評価を提供すると結論付けます。
	PHQ-9 の回答を単純に合計して得られたものと比較して。
	より信頼性が高く効率的であることが証明されているPHQ-9モデルを強化するために、それぞれの変数の重みを決定するためのさらなる研究を行う必要がある。これは重要である。
	個人のうつ病の重症度とうつ病人口の割合を過小評価しているため
	うつ病は社会に重大なリスクをもたらします。正確な診断方法がなければ、うつ病の予防と治療に必要な適切なリソースを決定することが難しくなります。
	これでプレゼンテーションは終了です。ご質問はビデオの下にあるコメント ボックスからお寄せください。ありがとうございました。
ラリー・ラルーッソ	素晴らしい。
	素晴らしいです。ありがとうございます。
	とても満足しています。つまり、サウンドが素晴らしく、スライドが素晴らしいと思いました。
カリシュマ・ヤダブ	ありがとう。
ラリー・ラルーッソ	そうですね、あなたの言うとおりすべてが順調に進んでいますね。私も問題は見当たりませんし、実際とても興味深い話でした。
	皆さんほど技術的ではありませんが、スティックがどのようなものであるかについては非常に興味がありました。
	きっとポケットに入ると思います。
カリシュマ・ヤダブ	ありがとう。
	うん。
ラリー・ラルーッソ	さて、少し寝てください。
カリシュマ・ヤダブ	うん。
ラリー・ラルーッソ	もう11時に近づいていますが、うーん。
	どうもありがとうございました。また何か問題などありましたらお知らせしますので、よろしくお願いいたします。
	外部の人と共有できるリンクを入手したので、それを皆さんに送ります。ただ、それを見て、どのように見えるかを確認したいだけなら、それは生の P になるので、フロントエンドのすべてのものと、このバックエンドのすべてのものが含まれます。
	もし興味があるだけなら、あなたの興味のために先にそれをあなたに送ります。そして、私たちがそれを制作し、インタラクティブで見栄えの良いものにするつもりであることを知っておいてください。
	はい、わかりました。
	ええええ、どんな状況であろうと、素晴らしい一日の夜をお過ごしください。また、ご参加いただきありがとうございました。
カリシュマ・ヤダブ	ありがとう。
ラリー・ラルーッソ	はい、皆さんにお会いできて嬉しいです。お元気で。
カリシュマ・ヤダブ	ありがとう、私も同じです。おやすみなさい。
	おはようございます。
ラリー・ラルーッソ	バイバイ。
	こんにちは。

高度な統計モデリング基本的なデータ分析とモデリング消費者および市場調査実験計画法予測モデリングと機械学習品質およびプロセスエンジニアリング信頼性分析結果の共有と伝達