Autor/autores:
Hudon A , Beaudoin M , Phraxayavong K...(et.al)
Un creciente cuerpo de literatura ha detallado el uso de análisis cualitativos para medir los procesos terapéuticos y la efectividad intrínseca de las psicoterapias, que producen pequeñas bases de datos. No obstante, estos enfoques tienen varias limitaciones y se necesitan algoritmos de aprendizaje automático. El objetivo de este estudio es realizar una revisi&o...
PUBLICIDAD
Crea tu cuenta gratis y léelo completo ahora.
¿Ya estás registrado? Inicia sesión aquí .
Un creciente cuerpo de literatura ha detallado el uso de análisis cualitativos para medir los procesos terapéuticos y la efectividad intrínseca de las psicoterapias, que producen pequeñas bases de datos. No obstante, estos enfoques tienen varias limitaciones y se necesitan algoritmos de aprendizaje automático.
El objetivo de este estudio es realizar una revisión sistemática del uso del aprendizaje automático para la clasificación automatizada de textos para pequeños conjuntos de datos en los campos de la psiquiatría, la psicología y las ciencias sociales.
Esta revisión identificará los algoritmos disponibles y evaluará si la clasificación automatizada de entidades textuales es comparable a la clasificación realizada por evaluadores humanos.
Se realizó una búsqueda sistemática en las bases de datos electrónicas de Medline, Web of Science, PsycNet (PsycINFO) y Google Scholar desde sus inicios hasta 2021. Se seleccionaron los campos de psiquiatría, psicología y ciencias sociales, ya que incluyen una amplia gama de entidades textuales en el dominio de la salud mental que pueden revisarse. Se utilizaron registros adicionales identificados mediante referencias cruzadas para encontrar otros estudios.
Esta búsqueda bibliográfica identificó 5442 artículos que fueron elegibles para nuestro estudio después de la eliminación de duplicados. Después de la selección de resúmenes, se evaluaron 114 artículos completos en su totalidad, de los cuales 107 fueron excluidos. Se analizaron los 7 estudios restantes. Se identificaron algoritmos de clasificación como Bayes ingenuo, árbol de decisión y clasificadores de máquina de vectores de soporte. La máquina de vectores de soporte es el algoritmo más utilizado y de mejor rendimiento según los artículos identificados. Los puntajes de clasificación de predicción para los algoritmos identificados variaron de 53% a 91% para la clasificación de entidades textuales en 4-7 categorías. Además, 3 de los 7 estudios informaron una estadística de acuerdo entre jueces; estos fueron consistentes con las estadísticas de concordancia para la clasificación de texto realizadas por evaluadores humanos.
Se realizó una revisión sistemática de los algoritmos de aprendizaje automático disponibles para la clasificación automatizada de textos para pequeños conjuntos de datos en varios campos (psiquiatría, psicología y ciencias sociales). Comparamos la clasificación automatizada con la clasificación realizada por evaluadores humanos.
Nuestros resultados muestran que es posible clasificar automáticamente las entidades textuales de una transcripción basándose únicamente en pequeñas bases de datos. No obstante, se necesitan estudios futuros para evaluar si dichos algoritmos se pueden implementar en el contexto de las psicoterapias.
Para acceder al texto completo consulte las características de suscripción de la fuente original:https://mental.jmir.org/
Explora el artículo con IA