Autor/autores:
Zhao M y Feng Z
Los cuestionarios tradicionales que evalúan la gravedad de la depresión son limitados y pueden no ser adecuados para el personal militar. Tenemos la intención de explorar la capacidad de diagnóstico de tres métodos de aprendizaje automático para evaluar el estado de depresión de los reclutas chinos, utilizando la versión china de Beck Depress...
Estás viendo una versión reducida de este contenido.
Para consultar la información completa debes registrarte gratuitamente.
Tan sólo te llevará unos segundos.
Y si ya estás registrado inicia sesión pulsando aquí.
Los cuestionarios tradicionales que evalúan la gravedad de la depresión son limitados y pueden no ser adecuados para el personal militar. Tenemos la intención de explorar la capacidad de diagnóstico de tres métodos de aprendizaje automático para evaluar el estado de depresión de los reclutas chinos, utilizando la versión china de Beck Depression Inventory-II (BDI-II) como estándar.
Nuestro estudio de diagnóstico se llevó a cabo en la ciudad de Luoyang (provincia de Henan, China; 16/10/2018 - 10/12/2018) con una muestra de 1000 reclutas masculinos chinos seleccionados mediante muestreo conveniente por conglomerados. Todos los participantes completaron el BDI y 3 cuestionarios que incluyen los datos de demografía, carreras militares y 18 factores. Los participantes fueron seleccionados al azar como el conjunto de entrenamiento y las pruebas en 2: 1. Los métodos de aprendizaje automático probados para evaluar la presencia o ausencia del estado de depresión fueron la red neuronal (NN), la máquina de vectores de soporte (SVM) y el árbol de decisión (DT).
Un total de 1000 participantes completaron los cuestionarios, 223 informaron estado de depresión y 777 no. La mayor sensibilidad se observó para DT (94, 1%), seguida de SVM (93, 4%) y NN (93, 1%). La mayor especificidad se observó para NN (60, 0%), seguida de SVM (58, 8%) y DT (43, 3%). El área bajo la curva (AUC) de la SVM fue la más grande (0, 862) en comparación con NN (0, 860) y DT (0, 734). El error de predicción de regresión y la volatilidad del error de la SVM fueron los más pequeños.
La SVM tiene el error de predicción y la volatilidad del error más pequeños, así como el AUC más grande en comparación con NN y DT para evaluar la presencia o ausencia de estado de depresión en los reclutas chinos.
Para acceder al texto completo consulte las características de suscripción de la fuente original:https://www. dovepress. com/
