756797_zh-CN

liliconcom

使用 JMP Pro 16 进行潜在类别分析以识别抑郁症的子类（2021-US-30MP-893）

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
新加坡管理大学学生陈宜英
Tin Seong，新加坡管理大学计算机与信息系统学院副教授

根据世界卫生组织的说法，“抑郁症是全球致残的主要原因，也是全球疾病负担的主要因素”。抑郁症患者护理的一大障碍仍然是对抑郁症严重程度的准确诊断。患者健康问卷 (PHQ-9) 是一个包含 9 个问题的工具，被广泛用于诊断和确定抑郁症的严重程度。然而，基于对 9 个问题的回答总和而广泛使用的抑郁症严重程度 5 级分类过于主观。鉴于这一局限性，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开展的 2017-2018 年国家健康和营养检查调查 (NHANES) 中的心理健康-抑郁症筛查器进行。分析结果表明，潜在类别分析比传统的 5 级分类方法更能提高我们对抑郁症类别特征的理解。

自动生成的成绩单...

扬声器	脚本
卡里什玛·亚达夫	你好。
Yi Ying TAN	你好。
卡里什玛·亚达夫	抱歉，我们不能听到你结婚的消息。
Yi Ying TAN	我，我是说抱歉。
卡里什玛·亚达夫	是的，我能听到你的声音。
拉里·拉鲁索	现在我可以想象这是有效的。
卡里什玛·亚达夫	是的，它有效。
拉里·拉鲁索	好的，太好了。
	抱歉，这很有趣。
	由于某种原因，我的笔记本电脑 Mike 没有在 JMP 外面接我。
	我不得不不断地来回跳转，但我知道每次有人说话，我都听不见。
	你们在干什么。
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，是克里希纳，你是这么说的吗？
卡里什玛·亚达夫	是的，是苏格兰的。
拉里·拉鲁索	爱尔兰 MMA 很棒。
	我承认这一点。
	出色地。
拉里·拉鲁索	然后他就是你说的那样。
Yi Ying TAN	是的，是的。
拉里·拉鲁索	太棒了，是的，谢谢你们这么做。
	我们非常感谢您花时间录制这次谈话，实际上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，只是想确保您双方都同意这一点。
卡里什玛·亚达夫	嗯，好的。
拉里·拉鲁索	非常好等等。
	显然，我们的目的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。
	所以它实际上也会在会议之外继续存在，人们将能够访问它和所有内容，你们对此也感到满意吗？
卡里什玛·亚达夫	是的，很好。
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，我只是想确保没有徽标侵权或任何一切看起来都很棒，你以前为我们录制过吗，这是你第一次参加发现峰会吗？
卡里什玛·亚达夫	是的，这是第一次。
	好的。
拉里·拉鲁索	好吧，那么，当你们要走的时候，我就会告诉你们，我可能会知道我的。
	耳机，然后消除我的视频，只要你在说话而我没有，我就不会出现在屏幕上，但如果我这样做，他就不可能错误地出现，所以当我们该走的时候，我会关掉我的视频。
	感觉就像你只是在自言自语，但我在听，只是确保一切进展顺利，视频看起来不错，幻灯片中的所有内容都能找到。
	出于某种原因，我录制了十几个这样的视频，可能由于某种原因，出现了一些故障。
	我只是要取消静音并说嘿，我需要你们停下来，我们必须重新录音或做其他什么，但我不希望发生这种情况，所以只需用粉笔写下来，你知道卡车从头到尾说话。
	如果你们任何一个人觉得，哦天哪，我把事情完全搞砸了，这不是我想说的，我们就停下来，然后说，嘿，我要重新开始，再做一次，哦是的。
	你应该这么做。
Yi Ying TAN	好的。
拉里·拉鲁索	但是，但是我会鼓励你不要担心人们喜欢这里的意图是相当随意地对待这件事并且它不需要是完美的。
	我想说，就像我说的，我唯一担心的是，如果你等一下，我会在事件方面做，或者你说错了什么，你意识到我们有能力只是说我要重新开始，这很好，但是，就像我说的。
	看着我们的人会非常非常宽容，这是一个缩放通话，我不会担心这是一件可怕的事情。
Yi Ying TAN	新加坡时间晚上 9 点 30 分，你知道，就像你的计划一样。
	一次。
拉里·拉鲁索	另一件事是。
	如果你能给我一个口头提示，那么我不知道你们当中谁会先开始，但如果你只是说。
	感谢您加入我们的谈话或类似的事情，因为它为我提供了一个起点，以确保好的，我知道她。
	我想就从这里开始，然后在最后如果你有任何问题请说声感谢你加入我。
	请随意将它们输入到聊天或类似的东西中，因为会有一个构建的页面，其底部有评论。
	或者如果你只是想以感谢你加入我来结束它，你知道我不知道是否有联系信息或只是给我音频的起点和终点，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是，然后我真的会让你们来做演示。
	我们正在录制这个的三个不同版本。
	一个只有幻灯片，所以滑块占据了整个屏幕，另一个是你说话的方式，可能你现在看到的是我只带了一个小外星人，然后苍蝇占据了屏幕的 80％。
	然后第三个是。
	您作为演讲者将全屏显示，我们这样做是因为大多数时候都会有幻灯片和您本人。
	但是，如果您只是为了变化而让幻灯片停留几分钟以上，我们可能会失败，就像您只讲了 20 秒然后又回去一样。
	所以我们有三个不同的版本，其中一些非常好。
	制作人会介入并对如何展示它做出一些创造性的决定，所以要知道它可能会来回跳跃，就像电视节目一样，有时你会对着幻灯片讲话，然后大多数时间都是这样。
卡里什玛·亚达夫	好的，听起来不错。
拉里·拉鲁索	好的，您还有其他问题吗？
Yi Ying TAN	是的。
卡里什玛·亚达夫	所以如果我们必须重拍。
	那么，它会偶然恢复吗，或者我们将不得不从错误的地方开始，从头到尾。
拉里·拉鲁索	因此，您知道，如果您只有 20 分钟的谈话，我们可能会有 40 分钟的录音，这没问题，我的意思是，如果您知道出于某种原因，直接剪掉第一分钟是多么容易，我再次。
	不要对自己太苛刻，但如果你确实觉得不，我真的想重新开始，拉里，我会重新开始，然后说。
	欢迎参加我的演讲，你知道，然后我们会知道第一个版本将会摆脱它，所以是的，我们不必重新启动，我们只会一直工作直到挂断电话。
	我们来砍伐。
Yi Ying TAN	好的。
拉里·拉鲁索	谢谢你，我只是没有别的事，我想确认一下你。
	你的声音听起来很棒，背景看起来也很棒。
	我想我们可以开始了，所以我将把这个交给你，我会一直听，所以如果你有任何问题或者你需要停下来或者什么的，只要告诉我，否则请享受谈话，我会的。
	你们做完之后我会跟你们谈谈。
Yi Ying TAN	谢谢。
	所以我们可以随时开始。
拉里·拉鲁索	是的，马上开始吧，如果你想花一点时间准备一下，看起来你的幻灯片已经上传了，所以只要你准备好了，就可以说谢谢你的加入，然后你就可以开始了。
Yi Ying TAN	和
拉里·拉鲁索	我要将自己静音并关闭视频。
	谢谢。
Yi Ying TAN	早上好。首先我要感谢委员会将我们的项目列入候选名单，我很荣幸参加 JMP Discovery Summit。
	在我开始演讲或介绍我们的团队之前，我们来自新加坡管理大学 (SMU) 的商业硕士项目。我是 Yi，今天和我一起的还有 Karishma 和 Sue-Ann。
	Tin Seong Kam 是我们的教授。他今天不来参加我们的活动，因为他还有其他安排。所以从封面上你可以看到，
	在本项目中，我们研究使用 JMP Pro 来利用潜在类别分析识别抑郁症的子类。在演示过程中，我们可能会使用 LCA 的简称来指代潜在类别分析。
	好的。
	为了让您更多地了解我们的项目，我们正在研究抑郁症，这是一种在青少年和各年龄段成年人中越来越常见的精神疾病。根据世卫组织的数据，
	世界卫生组织指出，抑郁症是全球导致残疾的主要原因，也是全球疾病负担的主要原因。
	准确诊断抑郁症的严重程度一直是抑郁症患者护理的主要障碍。
	有一种问卷通常用于帮助诊断抑郁症并确定其严重程度。
	它被称为PHQ，即公共卫生调查问卷。
	它是一个九个问题的工具，即...
	包含这些问题。第一个是……第一个是你对做事没有什么兴趣；第二个是，你感到沮丧或绝望。
	第三，您是否睡眠不好或者睡得太多？第四，您是否感觉疲劳或者没有精神？
	第五个问题是，你是否食欲不振或暴饮暴食？接下来的几个问题还有……我们有，你对自己感觉不好吗？
	您是否很难集中注意力？第八个问题是，您是否行动缓慢或说话缓慢，或者行动或说话太快？我们项目中包含的最后一个问题是，
	你有自杀的想法吗？
	A、B、C、D。右边有一张表格，你可以看到，A 和 B 的分数都是 10，
	严重程度被认为是中等。另一方面，C 和 D 的分数相同，都是 20，根据 PHQ-9 被认为是严重抑郁。
	因此，面试官会询问他们出现这种症状的频率，范围从 0 到 3。如您所见，此表中的答案主要为 0、1、2 和 3。
	零表示他们没有任何症状，三表示最常见，几乎每天都有。总分是通过对所有九个问题的回答进行总结得出的，范围从零到 27。
	现在，如果我们深入研究 C 和 D 的结果，
	你可以看到他们的分数都是 20，但他们所经历的症状却截然不同。例如，C 经常对自己感觉不好，
	这里，就像你知道的，但是很抱歉，我更多地指出的是不同的权利，但是 D 从来没有感觉到过。
	C 很少有自杀的念头，但 D 几乎每天都有。我们的问题是
	这些症状对抑郁症的诊断有同样的作用吗？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……这种常用的
	根据回答总和将抑郁症严重程度分为五类
	过于主观。
	因此，我们项目的目的是展示...找出如何使用 JMP 的潜在类别分析来提供数据驱动和
	客观的方法来判断抑郁症的严重程度等级。分析结果表明，LCA比传统的五分类方法更能提高我们对抑郁症等级特征的理解。
	因此，我们使用 2017 年至 2018 年全国健康和营养检查调查问卷数据集中的同一套九个问题，使用 LCA 对 5,000 名受访者进行分类
	分为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...
	反应变量来得出抑郁症的严重程度。这种等级比较将揭示两种方法之间抑郁症严重程度等级的差异。
	是的，让我在下一张幻灯片中详细介绍。
	我们首先是如何准备数据的，我们首先下载了刚才提到的 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的回答方式会有所不同。所以我们随后在 JMP Pro 中整理了数据。
	我们使用的是JMP Pro 16。在数据集中，共有10列原始???响应。
	但我们注意到，最后一个问题就像一个整合问题。它问的是，这些问题给你的工作、照顾家务或与人相处带来了多大的困难？因此，由于
	由于这是一个合并问题，因此我们已将其排除在我们的工作之外。
	之后，我们进行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潜在分析的变量。
	PHQ-9 分数也被列在新的一栏中，并重新编码为五种抑郁严重程度类别，即无、轻度、中度、中度和重度。最后，我们进行潜在类别分析并解释结果。
	我将向您介绍我们执行的分析的详细步骤。首先，我们使用 JMP Pro 16 运行 LCA，将具有不同模式的面试人员分组到群集中。
	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效应大小，以确定潜在类别之间的分离。
	因为这表明了将个人分类到不同潜在类别的准确性。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 方法得出的五类抑郁严重程度类别进行比较。
	我们的假设是，基于我提到的回答总和的常用 PHQ-9 过于主观，因为它没有考虑单个变量的统计权重。将其与 LCA 结果进行比较，使用
	统计方法，使我们能够更好地检验结果的有效性。
	因此，我将把时间交给 Karishma，让她向我们详细介绍调查结果和结论。
	交给你了，Karishma。
	你是哑巴，卡里什玛。
卡里什玛·亚达夫	噢，抱歉。
	谢谢 Yi。大家好。我是 Karishma Yadav，我将为大家进行演讲。
	因此，我们知道，对于心理健康领域的研究人员来说，识别个体亚群非常重要
	在一般人群中，有相似的心理健康症状或强度模式的人，因此可以进一步研究这些群体，以调查哪些心理健康类别普遍存在等问题，
	以及他们预测的未来结果以及心理健康类别是否会随时间而变化。此外，识别这些亚群对于从业者来说很重要
	到...在治疗和预防精神健康病例领域。因​​此，一种越来越流行的识别子群体的方法是潜在类别分析，即...缩写为 LCA
	从现在开始，我们将在演示中讨论这个问题。因此，LCA 是一种横截面潜变量混合建模方法。与所有潜变量混合建模方法一样，LCA 旨在发现群体内的异质性。
	它通过分析个人的行为模式（例如心理健康指标）并找到共同的类型（称为类别）来实现这一点。因此，每个个体都会被概率地分配到一个类别中，
	这是使用显示的公式计算得出的。结果是彼此最相似且与其他类别最不同的个体子组。下一张幻灯片。
	这就是我们在 JMP Pro 16 中构建 LCA 模型的方法。正如 Yi 之前提到的，在预处理步骤中，我们创建了
	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 PHQ-9 分数（范围从 0 到 27）得出五个类别。
	这些分类基于切点，临床医生在许多医学诊断中普遍使用切点。因此，Yi 之前提到的分类是
	无、轻度、中度、中度严重和严重。因此，在预处理之后，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-9 潜在
	作为此处显示的输入特征。因此，我们针对从 3 到 15 个集群运行了 LCA 模型，以找到最佳拟合模型。
	下一张幻灯片。
	这就是 LCA 的结果。最新的类别模型是迭代估计的，添加潜在类别以确定哪个模型最适合数据。因此判断最佳拟合可能需要很多考虑，
	包括信息标准。所以这里我们使用了信息标准。
	我们可以看到，聚类 5 给出的 BIC（贝叶斯信息标准）最低。我们还尝试在增加的聚类数量上运行模型，但 AIC 会随着类别数量的增加而不断变化，因此我们选择 BIC 作为最佳聚类大小。
	因此，根据问卷调查的回答，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，它还显示了每个类别中九个变量的响应……响应概率。因此可以看出，在集群一中，
	所有变量都没有成为主要反应，这是风险最低的
	集群二中，响应变量中完全不存在的比例有所下降，
	几天作为响应的比例增加。第三组几天和超过一半的天作为响应的比例增加，第四组和第五组这些高频响应的比例进一步增加。接下来。
	无、轻度、中度、中度严重和严重。
	因此，我们可以看到，第一类人的比例约为 48%，这一类人根本没有出现任何抑郁症状，或者对所有九个变量的反应都为零。这组人没有患抑郁症的风险。
	第二类为症状较轻，规模约占24%。
	个人……此类人具有此处列出的两个主要特征，即睡眠困难或睡眠过多
	一周有几天感觉疲倦或精力不足。第三类中的个人
	症状中等，班级人数约占 11%；70% 的学生表示，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症状的严重程度增加。
	此外，他们还出现了其他症状，比如对做事没有兴趣、情绪低落、沮丧和无望。
	第四类人占 10.44%，这组人的抑郁症状严重程度更高，因此他们经历了九分之七的抑郁症状
	相当频繁。然后是我们的第五个班，班级人数约占 6%。他们经历了所有九种症状，严重程度是
	非常高。他们每天都会经历这种情况，或者超过一半的时间都会经历这种情况。下一张幻灯片。
	这些是九个变量的效应大小和对数值。所以效应大小，正如你所见，是介于 0 和 1 之间的值，
	并且效应大小越高，表明个体被准确归类到潜在类别中的可能性就越大。
	因此，大多数输入变量的效应大小都高于 75%，而对数值则是变量在预测聚类方面的有效性。
	对数值越大，该变量在模型中的作用越强。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，即变量对诊断的贡献可能并不相同，并且只有当模型中每个变量具有相同的影响水平时，PHQ-9 分数的总和才会准确可靠。接下来。
	最后，
	这是列联表。我们可以看到
	抑郁症状源于
	PHQ-9 总结和列联表得出了我们使用的类别
	隐含类分析则截然不同。
	P 值约为
	.001，
	这表明不存在抽样误差。所以我们这样做是为了证明，如果我们抽样约 1,000 次，1,000 个不同的样本，结果将是一致的，其中只有一个样本的结果与此不同。
	下一个。
	因此，我们最终得出结论，使用 LCA 等统计聚类模型得出的抑郁症严重程度水平将提供更准确的抑郁症严重程度评估，
	与仅使用 PHQ-9 响应总和得出的结果相比。
	需要进一步研究确定各个变量的权重，以加强已被证明更可靠、更高效的 PHQ-9 九模型。这一点很重要
	因为低估了个体的抑郁严重程度和抑郁症人口比例
	抑郁症给社会带来巨大风险，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。
	这就是我们的演示，欢迎在视频下方的评论框中提问。谢谢。
拉里·拉鲁索	出色的。
	太棒了非常感谢。
	我对此非常满意，我的意思是我认为它听起来很棒，你的幻灯片太棒了。
卡里什玛·亚达夫	谢谢。
拉里·拉鲁索	是的，按照你的说法一切都进展顺利，我没有发现任何问题，事实上谈话非常有趣。
	我非常感兴趣，虽然不像你们那样涉及技术，但就目前的情况而言。
	我确信它会在口袋里。
卡里什玛·亚达夫	谢谢。
	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	现在已经快到 11 点了，但是嗯。
	非常感谢，如果有任何问题或者其他问题，我们会再次告知您，如果您愿意的话。
	我得到一个可以与外部人员分享的链接，我会把它发送给你们所有人，如果你只是想看看它是什么样子，但它只是原始的 P，所以它将包含我们所有的前端内容，以及所有这些后端内容。
	如果你只是好奇，我会继续将它发送给你，只是为了你的兴趣，然后只知道我们会制作它，你知道，做一些会让其具有互动性并且看起来很漂亮，因为。
	好的，好的。
	是的，是的，我度过了一个愉快的夜晚，无论如何，再次感谢您的加入。
卡里什玛·亚达夫	谢谢。
拉里·拉鲁索	好的，很高兴见到你们，保重。
卡里什玛·亚达夫	谢谢，我也一样，晚安。
	早上好。
拉里·拉鲁索	再见。
	你好。

高级统计建模基础数据分析与建模消费者和市场研究实验设计预测模型和机器学习质量与工艺工程可靠性分析分享和交流结果