原始论文gydF4y2Ba
摘要gydF4y2Ba
背景:gydF4y2Ba心肌梗死(MI)后康复患者对推荐治疗的依从性低是一个多因素问题。在一项针对同时报告焦虑、抑郁或两者兼有(MI- anxdep)症状的MI患者高危亚组的网络认知行为疗法(iCBT)的全国性试验中,依从性很低。由于MI-ANXDEP患者对心理治疗的低依从性会导致治疗资源的浪费和有风险的治疗流产,因此确定依从性的早期预测因素对有效的靶向治疗具有潜在价值。gydF4y2Ba
目的:gydF4y2Ba该研究的目标是使用监督机器学习来调查MI-ANXDEP患者iCBT依从性的既定和新的预测因素。gydF4y2Ba
方法:gydF4y2Ba数据来自瑞典25家医院招募的90名MI-ANXDEP患者,并在iCBT试验乌普萨拉大学心理社会护理计划(U-CARE)心脏研究中随机接受治疗。预测时间点为完成第一个家庭作业时。依从性定义为在14周治疗期内完成2项以上的家庭作业。应用有监督的机器学习程序,从一系列人口统计学、临床、心理测量学和语言预测因素中,确定第一次治疗期间可获得的最有效的依从性预测因素。内部二进制分类器是一个3×10-fold交叉验证递归特征消除(RFE)重采样中的随机森林模型,该模型选择了最终的预测器子集,能够最好地区分追随者和非追随者。gydF4y2Ba
结果:gydF4y2Ba患者平均年龄58.4岁(SD 9.4),男性占62%(56/90),贴壁者占48%(43/90)。在依从性的34个潜在预测因素中,RFE选择了56%的最佳子集(19/34;精度0.64,95% CI 0.61-0.68,gydF4y2BaPgydF4y2Ba<措施)。依从性最强的预测因素按重要性排序为:(1)自我评估的与心脏相关的恐惧,(2)性别,(3)患者回答第一次家庭作业时使用的字数。gydF4y2Ba
结论:gydF4y2Ba为了制定和测试有效的iCBT干预措施,调查预测依从性的因素很重要。在U-CARE心脏试验中,MI-ANXDEP患者对iCBT的坚持最能通过与心脏相关的恐惧和性来预测,这与之前的研究一致,但也可以通过来自书面患者行为的新的语言预测因素来预测,这些行为可能表明语言能力或治疗联盟。未来的研究应该调查潜在的因果机制,并试图确定语言预测因素所利用的潜在结构。这些发现是否适用于瑞典以外的其他干预措施,更大的样本,以及患有其他疾病的iCBT患者,也应该进行调查。gydF4y2Ba
试验注册:gydF4y2BaClinicalTrials.gov NCT01504191;https://clinicaltrials.gov/ct2/show/NCT01504191(在Webcite存档在http://www.webcitation.org/6xWWSEQ22)gydF4y2Ba
doi: 10.2196/10754gydF4y2Ba
关键字gydF4y2Ba
简介gydF4y2Ba
心肌梗死(MI)每年折磨超过700万人,使其成为由心血管疾病(CVD)引起的最常见的急性心脏事件,CVD是世界上死亡的主要原因[gydF4y2Ba
].急性心肌梗死后,需要改变行为以降低再梗死、中风和死亡的风险。重要的健康促进行为包括戒烟、定期运动、健康饮食和坚持服药[gydF4y2Ba ,gydF4y2Ba ].gydF4y2Ba大量心肌梗死患者还伴有焦虑、抑郁或两者兼有的症状(MI- anxdep)。与一般心肌梗死患者相比,MI- anxdep患者的危险因素负担更高,预后更差[gydF4y2Ba
,gydF4y2Ba ].因此,除了规定的身体活动外,心理支持也被建议作为MI-ANXDEP患者的治疗方法,以减轻情感性症状[gydF4y2Ba -gydF4y2Ba ],进而促进促进健康的行为改变,以降低心脏病风险[gydF4y2Ba ,gydF4y2Ba ].以认知行为疗法(CBT)为形式的心理支持已显示出对几种常见精神疾病心理症状的有效性。互联网提供的认知行为治疗(iCBT)是面对面认知行为治疗的一种经济有效的版本[gydF4y2Ba ,gydF4y2Ba 然而,这对病人的阅读和写作能力有很高的要求。在一项抑郁症荟萃分析(n=40项研究)中,iCBT患者的退出率为57%。子分析显示,治疗师支持的iCBT和管理员支持的iCBT分别有28%和38%的退出。这些流失率是巨大的,建议进一步研究iCBT的依从性。虽然遵守国际通信bt并不是国际通信bt有效性的保证,但可以说,遵守国际通信bt是可能产生国际通信bt效果的先决条件,因此值得单独研究[gydF4y2Ba ].gydF4y2Ba多中心乌普萨拉大学心理社会护理计划(U-CARE)心脏研究是第一个测试治疗师支持的iCBT治疗MI-ANXDEP患者有效性的随机对照试验[gydF4y2Ba
,gydF4y2Ba ].U-CARE心脏试验设计可以说具有较高的生态(临床常规)有效性[gydF4y2Ba ]与其他依赖自我转诊并采用更严格的纳入/排除标准的iCBT试验相比[gydF4y2Ba ,gydF4y2Ba ].U-CARE Heart对iCBT的依从性也相对较低,这反过来在组比较水平上缺乏效果[gydF4y2Ba ].对于未来的iCBT传播,在生态有效条件下评估iCBT的效果和实际效用至关重要[gydF4y2Ba 如U-CARE Heart,并探索在这种情况下,如果低依从性是一个问题,那么预测依从性的因素。已就医疗依从性对心血管病人的治疗依从性进行了彻底调查[gydF4y2Ba 但对MI-ANXDEP患者提供的iCBT没有影响。gydF4y2Ba治疗依从性通常是一个多因素现象。iCBT的坚持和有效性与高等教育、老年和女性有关[gydF4y2Ba
,gydF4y2Ba ].除了这些背景预测因素,患者动机[gydF4y2Ba ]和治疗可信度[gydF4y2Ba ]已被发现可大大增强对iCBT的依从性。就MI-ANXDEP心理症状学而言,患者对iCBT治疗的动机和信念也可能与心脏相关的焦虑和抑郁症状严重程度以及关于iCBT有效性的安慰剂既往情况有关。所谓的治疗联盟,即在个人心理治疗期间寻求发展的患者-治疗师纽带,也被发现有利于iCBT的坚持[gydF4y2Ba ].此外,研究一些心血管变量的相对预测能力是值得的,因为躯体疾病的严重程度也可能影响MI-ANXDEP患者对iCBT的坚持。gydF4y2Ba目前的iCBT U-CARE心脏研究设计提供了一组尚未以这种方式评估的额外预测因子,即基于患者为响应标准化家庭作业而写的文本的语言变量。句法结构和词语使用在某种程度上已经与焦虑和抑郁有关[gydF4y2Ba
-gydF4y2Ba ],在申请网上抑郁症治疗时使用的字数已被证明与依从性相关[gydF4y2Ba ].在U-CARE心脏研究中,在治疗开始时记录文本,可以使用语言程序从这些文本中提取各种定量变量。然后,在我们的研究中,这些摘录被建模为附加的语言预测因素。更注重口头表达和参与的患者可能会写更长更复杂的文本,也会更好地坚持口头要求的治疗,如iCBT。也有可能,这些语言预测因素在某种程度上是其他既定的依从性预测因素(如动机、治疗可信度和治疗联盟)的代理,因此作为代理将具有预测能力。我们认为,除了iCBT依从性的已知预测因素(如教育程度、年龄、性别和症状严重程度)外,这些语言预测因素可能有助于预测模型的灵敏度。gydF4y2Ba我们研究的目的是调查在治疗开始前可用的预测因子(初始作业反应)是否能预测MI-ANXDEP患者首次随访时对iCBT治疗的依从性。为此,我们将当代机器学习程序应用于U-CARE心脏数据,以管理相对大量的预测因子和复杂的协方差结构。我们假设症状严重程度、年龄、性别、教育程度和语言行为可以预测治疗的依从性。我们还假设,症状更严重、年龄更小、是女性、受过高等教育、在任务反应中使用更多的单词与坚持iCBT呈正相关。gydF4y2Ba
方法gydF4y2Ba
治疗和研究样本gydF4y2Ba
患者的招募、治疗和随访已在其他地方详细描述[gydF4y2Ba
,gydF4y2Ba ,gydF4y2Ba ].总之,该试验招募了来自25家瑞典医院的239名患者,并将122名患者随机分为对照组,117名患者在治疗师指导下自行定制的14周iCBT治疗。在这117名患者中,27名患者没有对任何家庭作业做出回应,由于缺乏所有语言变量的数据而被排除在外。这提供了一个90名患者的研究样本。治疗模块包括由患者完成的家庭作业,并由持牌心理学家提供反馈。心理学家通过门户信息系统与病人交流。前两份家庭作业对所有患者都是标准化的。这种标准化消除了复杂的患者-心理学家互动的问题,这种互动本质上是动态的。在前两次任务后,治疗是自行定制的。治疗包括对理性与非理性思维原则的心理教育,逐步暴露于可怕的刺激,抑郁行为中的负反馈循环,以及放松训练,提高沟通技巧,针对长期目标的额外行为改变,以及预防复发。gydF4y2Ba结果和初始预测因子的选择gydF4y2Ba
结果变量是二分的:坚持被定义为完成3个或更多的家庭作业(≥21%的总治疗),不坚持被定义为完成少于3个家庭作业。选择这个截止点的部分原因是,它与确定谁在完成最初的2个标准化家庭作业后继续进行U-CARE心脏治疗的自定义部分与谁没有继续相关。此外,所选的截断点为机器学习过程呈现了相当平衡的类,这对它在中等大小的数据下正常工作很重要[gydF4y2Ba
].心理学(EO, JW, FN),心脏病学(CH)和语言学(EG)专家选择了34个心理测量学,语言学,临床和人口统计学类型的初始预测因子。看到gydF4y2Ba 有关预测器的进一步详细信息。gydF4y2Ba语言因素gydF4y2Ba
语言预测因素是从患者对第一个标准化家庭作业的回答中提取出来的,该作业包括一个介绍性文本和为患者设计的8个问题,以描述他们的MI、相关的心理反应、目前的心理状态、目前的社会支持以及患者对iCBT治疗的期望。实际上,患者在完成家庭作业之前就可以接触到相同的材料[gydF4y2Ba
,gydF4y2Ba ].由于患者在回答问题之前已经阅读了示例答案和介绍性文本,因此在回答问题时,患者的词汇选择可能在实质上,但也同样是预先准备好的。所调查的语言因素包括(1)使用的字数,(2)平均句子长度,(3)形容词或副词的归一化频率(结果为n/1000词),(4)所有格代词的归一化频率,(5)人称代词的归一化频率,(6)患者是否提到MI,以及(7)一组预先指定的关键词相互使用的频率(在标准化问题和患者回答中都使用)。预测因子1至7的选择是基于它们可能表明iCBT的依从性,作为言语技能、社会经济地位和治疗投资的可能代理,所有这些都可以说是iCBT依从性的重要因素。看到gydF4y2Ba 有关语言预测因子的进一步细节。gydF4y2Ba归责gydF4y2Ba
34个预测因子中有5个数据缺失,按缺失比例排序:每周饮酒标准杯数,11% (10/90);Bmi, 10% (9/90);心率,7% (6/90);收缩压,7% (6/90);心肌梗死入院与研究随机化之间的天数为4%(4/90)。因此,缺失值相对较少,不认为是完全随机缺失(MCAR),相反,它们的缺失被认为与其他测量变量(MAR)有关。我们也没有强加结果。因此,gydF4y2BakgydF4y2Ba最近邻居(gydF4y2BakgydF4y2Ba-NN)用最接近的病例数(gydF4y2BakgydF4y2Ba)设置为3,所有缺少值的变量都输入中位数gydF4y2BakgydF4y2Ba值。的gydF4y2BakgydF4y2Ba-NN是一个完善的算法,用于基于广义距离度量来输入数值变量和分类变量[gydF4y2Ba
,gydF4y2Ba ].在本研究中,使用豪尔距离度量[gydF4y2Ba ].如果gydF4y2BakgydF4y2Ba,算法从中借用值来处理缺失值的情况,并将其设为低值(例如,gydF4y2BakgydF4y2Ba≤3),归责用gydF4y2BakgydF4y2Ba-NN还保留了大量数据的底层相关结构。gydF4y2Ba预测建模gydF4y2Ba
依从性是一个多因素问题[gydF4y2Ba
,gydF4y2Ba ],提出了一个多变量预测模型。为了测试预测因子的相对力量,一种有用的方法是根据变量的相对重要性来衡量变量,以解决预测依从性和不依从性的二元分类问题。布雷曼随机森林模型[gydF4y2Ba ,gydF4y2Ba ]是一种完善的集成方法,通常对中等大小的数据表现良好,对多重共线性和有害变量不敏感,并且以前对MI患者数据工作良好[gydF4y2Ba ].这些模型特征适用于本研究中多种高度相关的心理测量指标和90例MI-ANXDEP患者。随机森林还自动模拟线性和高阶效应,这与主要研究目标一致,即估计一系列预测因子的总相对重要性。gydF4y2Ba变量gydF4y2Ba | 所有(n = 90)gydF4y2Ba | Adherers (n = 43)gydF4y2Ba | Nonadherers (n = 47)gydF4y2Ba | PgydF4y2Ba价值gydF4y2Ba | 失踪gydF4y2Ba | |||
人口统计资料gydF4y2Ba | ||||||||
年龄(年)平均值(SD)gydF4y2Ba | 58.4 (9.4)gydF4y2Ba | 57.0 (10.4)gydF4y2Ba | 60.0 (8.3)gydF4y2Ba | 。gydF4y2Ba | 0gydF4y2Ba | |||
女性,n (%)gydF4y2Ba | 34 (38)gydF4y2Ba | 23日(54)gydF4y2Ba | 11 (23)gydF4y2Ba | .006gydF4y2Ba | 0gydF4y2Ba | |||
公民身份,n (%)gydF4y2Ba | .80gydF4y2Ba | 0gydF4y2Ba | ||||||
单gydF4y2Ba | 15 (17)gydF4y2Ba | 8 (19)gydF4y2Ba | 7 (15)gydF4y2Ba | |||||
同居者/结婚gydF4y2Ba | 72 (80)gydF4y2Ba | 34 (79)gydF4y2Ba | 38 (81)gydF4y2Ba | |||||
不是单身,而是独居gydF4y2Ba | 3 (3)gydF4y2Ba | 1 (2)gydF4y2Ba | 2 (4)gydF4y2Ba | |||||
教育程度(最高)n (%)gydF4y2Ba | .79gydF4y2Ba | 0gydF4y2Ba | ||||||
小学gydF4y2Ba | 14 (16)gydF4y2Ba | 5 (12)gydF4y2Ba | 9 (19)gydF4y2Ba | |||||
高中gydF4y2Ba | 31日(34)gydF4y2Ba | 16 (37)gydF4y2Ba | 15 (32)gydF4y2Ba | |||||
大学≤3年gydF4y2Ba | 20 (22)gydF4y2Ba | 10 (23)gydF4y2Ba | 10 (21)gydF4y2Ba | |||||
3年大学gydF4y2Ba | 25 (28)gydF4y2Ba | 12 (28)gydF4y2Ba | 13 (28)gydF4y2Ba | |||||
出生国家,n (%)gydF4y2Ba | 17 (19)gydF4y2Ba | 8 (19)gydF4y2Ba | 9 (19)gydF4y2Ba | >。gydF4y2Ba | 0gydF4y2Ba | |||
临床gydF4y2Ba | ||||||||
心率,平均值(SD)gydF4y2Ba | 77.0 (20.4)gydF4y2Ba | 77.6 (21.3)gydF4y2Ba | 76.5 (19.7)gydF4y2Ba | 结果gydF4y2Ba | 6gydF4y2Ba | |||
SBPgydF4y2Ba一个gydF4y2Ba,平均值(SD)gydF4y2Ba | 149.5 (32.0)gydF4y2Ba | 150.5 (28.2)gydF4y2Ba | 148.5 (35.6)gydF4y2Ba | 尾数就gydF4y2Ba | 6gydF4y2Ba | |||
身体质量指数gydF4y2BabgydF4y2Ba,平均值(SD)gydF4y2Ba | 27.9 (5.0)gydF4y2Ba | 27.9 (5.8)gydF4y2Ba | 28.0 (4.3)gydF4y2Ba | .89gydF4y2Ba | 9gydF4y2Ba | |||
酒精(杯/周),中位数(IQRgydF4y2BacgydF4y2Ba)gydF4y2Ba | 2.0 (0.0, 7.3)gydF4y2Ba | 2.0 (0.0, 8.5)gydF4y2Ba | 2.0 (0.0, 5.0)gydF4y2Ba | 无误gydF4y2Ba | 10gydF4y2Ba | |||
当前吸烟者,n (%)gydF4y2Ba | 4 (4)gydF4y2Ba | 2 (5)gydF4y2Ba | 2 (4)gydF4y2Ba | >。gydF4y2Ba | 0gydF4y2Ba | |||
化学汽相淀积gydF4y2BadgydF4y2Ba药物依从性,n (%)gydF4y2Ba | 18 (20)gydF4y2Ba | 11 (26)gydF4y2Ba | 7 (15)gydF4y2Ba | 收gydF4y2Ba | 0gydF4y2Ba | |||
精神药物,n (%)gydF4y2Ba | 。45gydF4y2Ba | 0gydF4y2Ba | ||||||
没有一个gydF4y2Ba | 75 (83)gydF4y2Ba | 34 (79)gydF4y2Ba | 41 (88)gydF4y2Ba | |||||
根据需要gydF4y2Ba | 6 (7)gydF4y2Ba | 3 (7)gydF4y2Ba | 3 (6)gydF4y2Ba | |||||
定期gydF4y2Ba | 7 (8)gydF4y2Ba | 4 (9)gydF4y2Ba | 3 (6)gydF4y2Ba | |||||
定期和根据需要gydF4y2Ba | 2 (2)gydF4y2Ba | 2 (5)gydF4y2Ba | 0 (0)gydF4y2Ba | |||||
其他当前咨询,n (%)gydF4y2Ba | 的相关性gydF4y2Ba | 0gydF4y2Ba | ||||||
没有gydF4y2Ba | 67 (74)gydF4y2Ba | 31 (72)gydF4y2Ba | 36 (77)gydF4y2Ba | |||||
≥每年1次,<每月1次gydF4y2Ba | 9 (10)gydF4y2Ba | 6 (14)gydF4y2Ba | 3 (6)gydF4y2Ba | |||||
≥每月1次gydF4y2Ba | 14 (16)gydF4y2Ba | 6 (14)gydF4y2Ba | 8 (17)gydF4y2Ba | |||||
心理测量,平均值(SD)gydF4y2Ba | ||||||||
CAQgydF4y2BaegydF4y2Ba恐惧gydF4y2Ba | 12.7 (6.0)gydF4y2Ba | 14.6 (5.4)gydF4y2Ba | 11.0 (6.0)gydF4y2Ba | 04gydF4y2Ba | 0gydF4y2Ba | |||
CAQ回避gydF4y2Ba | 7.3 (4.4)gydF4y2Ba | 7.4 (4.2)gydF4y2Ba | 7.1 (4.7)gydF4y2Ba | .74点gydF4y2Ba | 0gydF4y2Ba | |||
CAQ关注gydF4y2Ba | 5.7 (3.2)gydF4y2Ba | 6.4 (3.4)gydF4y2Ba | 5.1 (3.0)gydF4y2Ba | 0。gydF4y2Ba | 0gydF4y2Ba | |||
CAQ总gydF4y2Ba | 25.7 (10.0)gydF4y2Ba | 28.4 (9.8)gydF4y2Ba | 23.2 (9.6)gydF4y2Ba | . 01gydF4y2Ba | 0gydF4y2Ba | |||
ESSIgydF4y2BafgydF4y2Ba总计gydF4y2Ba | 20.1 (4.4)gydF4y2Ba | 20.4 (4.0)gydF4y2Ba | 19.7 (4.7)gydF4y2Ba | 报gydF4y2Ba | 0gydF4y2Ba | |||
EQ5DgydF4y2BaggydF4y2Ba血管gydF4y2BahgydF4y2Ba | 66.0 (16.8)gydF4y2Ba | 64.7 (15.6)gydF4y2Ba | 67.2 (17.9)gydF4y2Ba | 的相关性gydF4y2Ba | 0gydF4y2Ba | |||
情绪困扰gydF4y2Ba | 1.0 (0.5)gydF4y2Ba | 1.0 (0.5)gydF4y2Ba | 1.0 (0.4)gydF4y2Ba | 点gydF4y2Ba | 0gydF4y2Ba | |||
MADRSgydF4y2Ba我gydF4y2Ba总计gydF4y2Ba | 14.9 (6.2)gydF4y2Ba | 14.9 (5.7)gydF4y2Ba | 15.0 (6.7)gydF4y2Ba | .96点gydF4y2Ba | 0gydF4y2Ba | |||
坏事gydF4y2BajgydF4y2Ba总计gydF4y2Ba | 21.4 (6.1)gydF4y2Ba | 22.4 (5.7)gydF4y2Ba | 20.6 (6.3)gydF4y2Ba | 酒精含量gydF4y2Ba | 0gydF4y2Ba | |||
有gydF4y2BakgydF4y2Ba焦虑gydF4y2Ba | 10.3 (3.0)gydF4y2Ba | 10.5 (2.7)gydF4y2Ba | 10.2 (3.2)gydF4y2Ba | 点gydF4y2Ba | 0gydF4y2Ba | |||
有抑郁症gydF4y2Ba | 7.9 (3.0)gydF4y2Ba | 8.0 (2.7)gydF4y2Ba | 7.9 (3.4)gydF4y2Ba | .92gydF4y2Ba | 0gydF4y2Ba | |||
有总gydF4y2Ba | 18.3 (4.7)gydF4y2Ba | 18.4 (4.0)gydF4y2Ba | 18.2 (5.3)gydF4y2Ba | .77点gydF4y2Ba | 0gydF4y2Ba | |||
语言gydF4y2Ba | ||||||||
字数,平均值(SD)gydF4y2Ba | 306.8 (246.7)gydF4y2Ba | 376.8 (257.2)gydF4y2Ba | 242.7 (220.5)gydF4y2Ba | .009gydF4y2Ba | 0gydF4y2Ba | |||
互词数,平均值(SD)gydF4y2Ba | 6.2 (5.7)gydF4y2Ba | 7.6 (5.9)gydF4y2Ba | 4.9 (5.2)gydF4y2Ba | 02gydF4y2Ba | 0gydF4y2Ba | |||
句子长度,平均值(SD)gydF4y2Ba | 13.0 (5.5)gydF4y2Ba | 13.6 (5.0)gydF4y2Ba | 12.4 (5.9)gydF4y2Ba | 陈霞gydF4y2Ba | 0gydF4y2Ba | |||
形容词/副词,意思(SD)gydF4y2Ba | 193.2 (43.6)gydF4y2Ba | 187.4 (39.9)gydF4y2Ba | 198.5 (46.6)gydF4y2Ba | 23)gydF4y2Ba | 0gydF4y2Ba | |||
所有格代词,mean (SD)gydF4y2Ba | 13.1 (10.0)gydF4y2Ba | 12.8 (8.1)gydF4y2Ba | 13.4 (11.5)gydF4y2Ba | 尾数就gydF4y2Ba | 0gydF4y2Ba | |||
人称代词,mean (SD)gydF4y2Ba | 64.6 (27.1)gydF4y2Ba | 70.2 (24.3)gydF4y2Ba | 59.4 (28.8)gydF4y2Ba | 06gydF4y2Ba | 0gydF4y2Ba | |||
提到MIgydF4y2BalgydF4y2Ba, n (%)gydF4y2Ba | 69 (77)gydF4y2Ba | 35 (81)gydF4y2Ba | 34 (72)gydF4y2Ba | 无误gydF4y2Ba | 0gydF4y2Ba | |||
其他gydF4y2Ba | ||||||||
从MI到分配的天数,平均值(SD)gydF4y2Ba | 70.5 (14.9)gydF4y2Ba | 70.3 (15.0)gydF4y2Ba | 70.7 (14.9)gydF4y2Ba | 点gydF4y2Ba | 4gydF4y2Ba | |||
首选接触方式,n (%)gydF4y2Ba | .59gydF4y2Ba | 0gydF4y2Ba | ||||||
电子邮件gydF4y2Ba | 63 (70)gydF4y2Ba | 29日(67)gydF4y2Ba | 34 (72)gydF4y2Ba | |||||
电话gydF4y2Ba | 11 (12)gydF4y2Ba | 5 (12)gydF4y2Ba | 6 (13)gydF4y2Ba | |||||
短信gydF4y2Ba米gydF4y2Ba | 15 (17)gydF4y2Ba | 9 (21)gydF4y2Ba | 6 (13)gydF4y2Ba | |||||
邮件gydF4y2Ba | 1 (1)gydF4y2Ba | 0 (0)gydF4y2Ba | 1 (2)gydF4y2Ba |
一个gydF4y2BaSBP:收缩压。gydF4y2Ba
bgydF4y2BaBMI:身体质量指数。gydF4y2Ba
cgydF4y2BaIQR:四分位间距。gydF4y2Ba
dgydF4y2BaCVD:心血管疾病。gydF4y2Ba
egydF4y2BaCAQ:心脏焦虑问卷[gydF4y2Ba
].gydF4y2BafgydF4y2Ba丰富社会支持工具[gydF4y2Ba
].gydF4y2BaggydF4y2BaEQ5D:欧洲五维度生活质量问卷。gydF4y2Ba
hgydF4y2Ba视觉模拟量表。gydF4y2Ba
我gydF4y2Ba蒙哥马利-阿斯伯格抑郁评定量表[gydF4y2Ba
,gydF4y2Ba ].gydF4y2BajgydF4y2Ba抑郁行为激活量表简表[gydF4y2Ba
].gydF4y2BakgydF4y2Ba医院焦虑与抑郁量表[gydF4y2Ba
].gydF4y2BalgydF4y2BaMI:心肌梗死。gydF4y2Ba
米gydF4y2BaSMS:短消息业务。gydF4y2Ba
尽管随机森林已经有内置的交叉验证控制,通过其“out-of-bag”预测进行过拟合,但我们在分类器周围添加了第二个包装层,其形式是通过3×10-fold交叉验证重新采样的递归特征消除(RFE)进行向后算法预测器选择[gydF4y2Ba
].这样做是为了进一步降低过拟合的风险,并消除最终特征选择中的人为偏差。常规的k-fold交叉验证将数据划分为k个部分,然后对模型进行k次训练,每次保留属于其中一个折叠的数据,并在相应的保留折叠上测试每个训练过的模型。建模结果通常在重新采样的褶皱中平均。重复交叉验证是常规k-fold交叉验证的扩展,其中对于每次常规交叉验证,数据再次被随机划分为k-fold。由于随机森林被用作RFE重采样中的分类器,该过程优化了分类精度,并且预测因子根据随机森林集成决策树中节点杂质(基尼重要性)的减少进行排名。gydF4y2Ba额外的数据gydF4y2Ba
如果没有不同的表述,我们报告分类变量为计数(%),数值变量为算术平均值(SD),gydF4y2BaPgydF4y2Ba二元显著性检验的值设为5%,二元结果(坚持与不坚持)的预测精度为95%置信区间。gydF4y2Ba
编码gydF4y2Ba
语言数据预处理采用语料库工具AntConc version 3.4.4m(早稻田大学)[gydF4y2Ba
,一个用于索引和文本分析的语料库工具包。语言数据也用注释gydF4y2Ba〇词性gydF4y2Ba瑞典语的tagger(斯德哥尔摩大学)[gydF4y2Ba ].分析在R版本3.4.0(统计计算R基础)中完成[gydF4y2Ba 使用包gydF4y2Ba脱字符号,数据。Table, foreign, ggplot2, ggpubr, ggthemes, mice, scales, tableone,gydF4y2Ba而且gydF4y2BaVIMgydF4y2Ba.gydF4y2Ba结果gydF4y2Ba
描述性数据可在gydF4y2Ba
.坚持iCBT的患者更多是女性,与那些不坚持iCBT的患者相比,他们有更高的自评心脏焦虑和心脏焦虑,特别是与恐惧和注意力有关。有依从性的患者在家庭作业中也使用较多的词汇和互用词汇。随着年龄的增长和自我评价抑郁程度的提高,依从性有增加的趋势。依从者和非依从者在教育程度、是否瑞典出生、公民身份、教育程度、临床特征、从心肌梗死到治疗分配的天数或首选接触方式方面没有显著差异。gydF4y2Ba在imputation之后,应用RFE特征选择程序来提取最有效的预测因子,用于分类追随者和非追随者。gydF4y2Ba
为基于预测精度优化的重采样结果和RFE选择的最终最优模型。这个最终模型使用了56%(19/34)的预测因子,并且表现明显优于随机模型(精度0.64,95% CI 0.61-0.68,gydF4y2BaPgydF4y2Ba<.001),但仍有提高视力的空间。gydF4y2Ba根据RFE,将19个最重要的预测因素中的每一个的主要结果绘制成图,通过它们对追随者和非追随者分类的重采样相对重要性,显示6个最有效的预测因素是心脏焦虑问卷(CAQ)恐惧、性别、字数、CAQ总数、平均句子长度和相互字数。gydF4y2Ba
讨论gydF4y2Ba
主要研究结果gydF4y2Ba
我们的研究测试并比较了现有的和新的预测因素对14周治疗师支持的iCBT的依从性,使用来自瑞典25家医院的90名MI-ANXDEP患者的数据,并在U-CARE心脏临床试验中随机接受治疗。预测的时间点是在完成第一个家庭作业之后,因此可以研究从实际书面行为中提取的先前未测试的语言预测因子,以及先前建立的预测因子。一个强大的机器学习程序筛选出了治疗结束时评估依从性的最有效预测因素,这些预测因素包括自我评估的心脏恐惧、性别、字数、自我评估的一般心脏焦虑、平均句子长度和相互使用的字数。gydF4y2Ba
临床解释及可能的意义gydF4y2Ba
一般心脏焦虑和特定心脏恐惧的症状都是最强的预测因素,就症状和机制重叠的程度而言,这证实了先前的发现,即抑郁症与心脏康复坚持程度增加有关[gydF4y2Ba
].考虑到各自的症状,与目前的治疗直接相关的心脏焦虑更有可能比抑郁更强烈地引发活动。抑郁和焦虑是高度相关的,这也许可以解释被引用的研究结果。因此,报告高度抑郁的患者和报告高度焦虑的患者已经承认他们有问题。总的来说,考虑到基于焦虑的预测因素的强度,那些相对不那么担心的MI-ANXDEP患者,一般来说,特别是关于他们的心脏,不太可能坚持专门针对这些症状的治疗,这似乎是合理的。我们的研究还发现,女性性别是依从性的重要预测因素,与iCBT试验数据一致,证实男性在基于网络的抑郁症干预中有更高的退出率[gydF4y2Ba ].虽然不能互换,但辍学与坚持不良有一定的联系。gydF4y2Ba另一方面,我们的研究结果并没有重复之前确定的其他iCBT依从性预测因素,如教育程度和年龄[gydF4y2Ba
,gydF4y2Ba ],可能是由于MI-ANXDEP患者群体相对较老,或本研究的招募程序相对于以往的大部分iCBT研究不同。酒精也不是一个预测因素,这可能是由于研究样本中问题饮酒的水平普遍较低。尽管与其他iCBT研究相比,U-CARE心脏纳入物具有相对较高的生态效度,但我们仍然选择了患者,排除了例如有自杀倾向的患者。此外,医院焦虑和抑郁量表(HADS)对抑郁症的预测能力较弱,尤其是与焦虑症状及其强大的预测能力相比,这令人费解。这可能是由于在自杀风险的基础上排除了严重的抑郁症状,而没有对非常高的焦虑症状进行这样的筛查。话虽如此,HADS焦虑并不是一个有用的预测指标,这可能表明特定HADS量表的心理测量缺陷。因此,更多的心脏特异性焦虑量表CAQ似乎与MI-ANXDEP患者的依从性更相关。此外,试验之外的其他持续治疗(如精神活性药物和第三方咨询)并不能预测iCBT的依从性。值得注意的是,对从相对发达的瑞典医疗保健系统寻求额外外部治疗的患者没有限制。这也许可以解释通过应用于症状严重程度和寻求治疗的内稳态原则的无效发现。 In a relatively free and rich society, particularly severe symptomatology should be compensated for by such patients seeking and receiving multimodal treatment as needed. If so, these factors might cancel each other out with respect to both the need for and adherence to iCBT.我们还发现,基于书面语言反应的新型语言预测因子预测了依从性。字数可能是语言流畅性和患者在治疗中的努力程度的代表,相互字数可能是治疗联盟程度的代表,这在一定程度上证实了先前关于治疗联盟和其他促进iCBT坚持的相互关联概念的研究[gydF4y2Ba
,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ].与之前已知的预测因子一起,这些语言预测因子可以改善患者可能坚持治疗的风险分层。这为寻求降低iCBT治疗失败的未来临床研究提供了一条很大程度上尚未探索的路线,并可能导致进一步调整有限的治疗资源,以提高成本效益和降低临床护理中的人类痛苦。gydF4y2Ba虽然可以说还需要做更多的工作,但书面反应的数据收集、预处理和分析可以在相当程度上实现自动化,因此目前缺乏现成的临床应用可能不会成为未来的障碍。可以构建一个预测依从性的自动化工具,然后可能被临床医生用作决策支持工具。此外,该工具还可以确定患者低依从性的风险,这可能会使MI-ANXDEP患者的治疗方案更客观、更准确,与当今临床研究和护理中通常用于对抗低依从性的猜测和粗略的截断相比。所谓的人工智能和相关的监督机器学习应用,目前正在迅速研究和广泛实施,也可能有助于更好地解决预测网络治疗依从性的临床相关问题。gydF4y2Ba
局限性和优势gydF4y2Ba
本研究的一个局限性是样本量。虽然目前U-CARE心脏研究是迄今为止针对MI-ANXDEP患者的最大iCBT试验,但它提供的可靠性估计有限。样本太小,无法细分,无法对那些只有抑郁或焦虑的人进行更详细的分析。然而,在目前样本量的限制下,不允许外部验证数据集,鉴于(a)应用的预测建模程序经过了可靠的交叉验证,(b)从25家医院招募的全国覆盖率非常好,(c)招募的患者与常规临床护理非常相似,研究结果的泛化性相当好。gydF4y2Ba
尽管我们使用专家内容知识来选择预测因子,并测试了一系列常见的和领域特定的预测因子,但仍然有使用其他预测因子的可能性。这可能解释了分类敏锐度方面的改进空间。鉴于我们研究了由领域专家选择的实际书面行为组成的全新预测因素,这项研究在这种方式上增加了进一步的新颖性。一些先前已知的心理治疗依从性预测因素在很少研究但非常常见的MI-ANXDEP患者中得到证实,表明MI-ANXDEP患者具有潜在的临床效用。这项研究是在瑞典进行的,我们不能轻易地将我们的发现推断出我们的国家和语言边界之外。MI- anxdep人群也是MI患者的一个独特亚群,iCBT干预是专门为这些患者量身定制的。因此,在瑞典以外的不同患者和其他心理治疗的复制将是有价值的。gydF4y2Ba
在实施结果方面也有局限性。这可以通过几种方式实现,最严格的坚持定义是完成所有治疗模块[gydF4y2Ba
].然而,由于U-CARE心脏试验的生态效度特别高,但依从性普遍较低[gydF4y2Ba ],依从性的这个截止定义必须自动较低,以便能够建模依从性,因为中等样本量抑制了我们对不平衡类别的建模。将坚持定义为那些在前两个标准化模块之外继续治疗的患者,在定性方面也可以说比任意的百分比截断更具有临床相关性。考虑到临床需求和数据可用性,患者是在完成初始标准化作业模块时被选择的——如果还想使用从书面治疗反应中获得的语言预测因子来对治疗依从性进行早期治疗预测,则这是预测治疗依从性的最佳时间。也有定性方法来调查iCBT的遵守情况[gydF4y2Ba 如果结合目前的数据驱动方法,可能会增强我们对依从性的理解。此外,研究语言预测因素的目的自动排除了27名随机接受治疗但没有完成任何家庭作业的患者。由于显而易见的原因,我们的预测模型不能推广到这些患者,然而,如果包括这些患者,理论上预测的准确性可能会更高,因为他们构成了低依从性的极端病例。gydF4y2Ba结论gydF4y2Ba
为了制定和测试有效的iCBT干预措施,调查预测依从性的因素很重要。使用有监督的机器学习方法,MI-ANXDEP患者在多中心试验中对iCBT治疗的依从性由一组不同的预测因子最好地预测。最有效的预测因素还包括来自治疗开始时患者书面行为的新颖语言预测因素。我们的发现可能会改善对这些高危患者的iCBT治疗。未来的研究还应调查可能的因果机制,并确定这些发现是否在瑞典以外的更大样本中重复,以及其他可能受益于iCBT的患者群体。gydF4y2Ba
致谢gydF4y2Ba
我们非常感谢U-CARE心脏病患者。这项研究得到了瑞典健康、工作生活和福利研究委员会(2014-4947)、Vårdal基金会(2014-0114)和战略研究项目U-CARE(2009-1093)的支持。gydF4y2Ba
作者的贡献gydF4y2Ba
JW、EMGO和EG设计了这项研究。JW, EMGO, EG, CH, GM, FN和LvE解释了这些发现,严格修改了手稿,并批准了其最终形式和提交。EG、JW、FN、EMGO对数据进行预处理。JW分析数据并起草手稿。gydF4y2Ba
利益冲突gydF4y2Ba
没有宣布。gydF4y2Ba
gydF4y2Ba补充材料。gydF4y2Ba
PDF档案(adobepdf档案),61 KBgydF4y2BagydF4y2Ba
电子健康检查表(V 1.6.1)。gydF4y2Ba
PDF档案(adobepdf档案),677 KBgydF4y2Ba参考文献gydF4y2Ba
- GBD 2013年死亡率和死亡原因合作者。1990-2013年全球、区域和国家240种死因的按年龄性别划分的全因和按原因划分的死亡率:2013年全球疾病负担研究的系统分析。《柳叶刀》2015年1月10日;385(9963):117-171。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Piepoli MF, Corrà U, Dendale P, Frederix I, Prescott E, Schmid JP,等。急性心肌梗死后二级预防的挑战:行动的呼吁。2016年12月23日(18):1994-2006。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Yusuf S, Hawken S, Ounpuu S, Dans T, Avezum A, Lanas F, INTERHEART研究调查员。52个国家与心肌梗死相关的潜在可改变危险因素的影响(INTERHEART研究):病例对照研究。《柳叶刀》2004;364(9438):937 - 952。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Roest AM, Martens EJ, Denollet J, de Jonge P.心肌梗死后焦虑与死亡率和新发心脏事件的预后相关性:一项荟萃分析。精神病学杂志2010 7月;72(6):563-569。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Meijer A, Conradi HJ, Bos EH, Thombs BD, van Melle JP, de Jonge P.心肌梗死后抑郁与死亡率和心血管事件的预后相关性:25年研究的荟萃分析。Gen Hosp Psychiatry 2011;33(3):203-216 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Huffman JC, Mastromauro CA, Beach SR, Celano CM, DuBois CM, Healy BC,等。近期心脏事件患者抑郁和焦虑障碍的协同护理:心脏病学中悲伤和焦虑的管理(MOSAIC)随机临床试验。美国医学杂志实习生2014年6月;174(6):927-935。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 李志强,李志强,李志强,等。急性冠状动脉综合征和持续抑郁症状患者的强化抑郁护理:冠状动脉社会心理评价研究随机对照试验Arch Intern Med 2010年4月12日;170(7):600-608 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Dickens C, Cherrington A, Adeyemi I, Roughley K, Bower P, Garrett C,等。改善冠心病患者抑郁的心理干预特征:系统回顾和元回归2013年2月;75(2):211-221。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Piepoli MF, Hoes AW, Agewall S, Albus C, Brotons C, Catapano AL, ESC科学文献组。2016年临床实践中心血管疾病预防欧洲指南:欧洲心脏病学会和其他学会临床实践中心血管疾病预防第六联合工作组。欧洲心脏杂志2016年12月01日;37(29):2315-2381 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Olthuis JV, Watt MC, Bailey K, Hayden JA, Stewart SH。治疗师支持的成人焦虑症的互联网认知行为疗法。Cochrane数据库系统版本2016年3月12日;3:CD011565。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Hedman E, Ljótsson B, Lindefors N.通过互联网的认知行为治疗:应用、临床疗效和成本效益的系统综述。2012年12月12(6):745-764。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 基于互联网的CBT治疗依从性:表现、支持和动机的影响[博士论文]。乌普萨拉大学学报;2016.gydF4y2Ba
- 冯埃森,李志强,李志强,等。基于互联网的认知行为疗法治疗近期心肌梗死患者的抑郁和焦虑症状:U-CARE心脏随机对照试验J Med Internet Res 2018 Mar 08;20(3):e88 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Norlund F, Olsson EMG, Burell G, Wallin E, Held C.基于互联网的认知行为疗法治疗近期心肌梗死患者的抑郁和焦虑(U-CARE Heart):一项随机对照试验的研究方案。审判2015年4月11日16:154 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 采用计算机化认知行为疗法的障碍:定量和定性证据的系统回顾。精神医学2009年5月;39(5):705-712。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Woodford J, Farrand P, Bessant M, Williams C.招募到有指导的基于互联网的CBT (iCBT)干预抑郁症:从流行招募策略失败中吸取的教训。conp临床试验2011 Sep;32(5):641-648。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 基于互联网的认知行为疗法在常规临床环境中的有效性。Verhaltenstherapie 2013; 23(3): 140 - 148。[gydF4y2BaCrossRefgydF4y2Ba]gydF4y2Ba
- Kolandaivelu K,莱顿BB, O'Gara PT, Bhatt DL。不坚持服用心血管药物。欧洲心脏杂志2014年12月07日;35(46):3267-3276。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- El Alaoui S, Ljótsson B, Hedman E, Kaldo V, Andersson E, Rück C,等。常规精神科护理中基于互联网的社会焦虑障碍认知行为治疗的症状变化和依从性预测因素。PLoS One 2015;10(4):e0124258 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 李文杰,李志强,李志强,等。自我引导的基于网络的抑郁症干预治疗退出的预测因素:“个体患者数据”元分析。精神医学2015 10月;45(13):2717-2726。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Pennebaker JW, Mehl MR, Niederhoffer KG。自然语言的心理方面。使用:我们的语言,我们的自我。精神科学2003;54:547-577。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 张晓明,张晓明,张晓明。网络认知行为治疗对广泛性焦虑障碍的影响。中国兽医学报;2015年9月44(1):21-32。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Zinken J, Zinken K, Wilson JC, Butler L, Skinner T.预测焦虑和抑郁引导自助成功参与的句法和词汇分析。精神病学杂志2010年9月30日;179(2):181-186。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Van der Zanden R, Curie K, Van Londen M, Kramer J, Steen G, Cuijpers P.基于网络的抑郁症治疗:患者言语使用与依从性和结果的关联。J情感失调2014年5月;160:10-13 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Wallin E, Norlund F, Olsson EMG, burel G, Held C, Carlsson T.心肌梗死后成人抑郁和焦虑的基于互联网的认知行为疗法的治疗活动、用户满意度和经验可用性:混合方法研究。J Med Internet Res 2018年3月16日;20(3):e87 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 哈斯蒂T, Tibshirani R, Friedman J.统计学习的要素:数据挖掘,推断和预测。第2版。纽约:施普林格;2009.gydF4y2Ba
- Eifert GH, Thompson RN, Zvolensky MJ, Edwards K, Frazer NL, Haddad JW,等。心脏焦虑问卷:编制及初步效度。行为科学研究2000年10月;38(10):1039-1053。[gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 王志强,王志强,王志强,等。在心脏病患者中测试enrichment社会支持仪的性能。健康质量生命结果2004年5月13日;2:24 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 贝克抑郁量表(BDI)和蒙哥马利阿斯伯格抑郁量表(MADRS)自评版本之间的比较。《情感失调》杂志2001年5月;64(2):203-216。[gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Holländare F, Andersson G, Engström I.对临床患者使用的两种抑郁仪器(BDI-II和MADRS-S)的网络和纸质版本的心理测量特性的比较。中国医学杂志,2010;12(5):e49 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 罗伟。抑郁症短量表的行为激活:发展与验证。2011年12月;42(4):726-739。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Zigmond AS, Snaith RP。医院焦虑抑郁量表精神病学杂志1983 6;67(6):361-370。[gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 最近邻imputation算法的关键评价。BMC Med Inform Decis Mak 2016年12月25日;16增刊3:74 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Jönsson P, Wohlin C.用Likert数据评价k最近邻imputation。软件度量,第十届国际研讨会2004:108-118。gydF4y2Ba
- Kowarik A, teml M.用R包VIM进行Imputation。中国科学(d辑),2016;gydF4y2Ba
- 随机森林。机器学习2001;45:5-32。gydF4y2Ba
- 李志强,李志强,李志强。分类与回归树。贝尔蒙特:沃兹沃斯图书;1984.gydF4y2Ba
- Wallert J, Tomasoni M, Madison G, Held C.利用机器学习和瑞典国家登记数据预测首次心肌梗死后2年生存与非生存。BMC Med Inform Decis Mak 2017 july 05;17(1):99 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Kuhn M.使用Caret包在R中构建预测模型。统计软件2008;28(5):1-26。[gydF4y2BaCrossRefgydF4y2Ba]gydF4y2Ba
- Anthony L. AntConc 3.4.4版。东京:早稻田大学;2016.gydF4y2Ba
- Östling R. Stagger:一个开源的瑞典语词性标注器。欧洲北方科学技术2013年9月16日;3:1-18。[gydF4y2BaCrossRefgydF4y2Ba]gydF4y2Ba
- R:统计计算的语言和环境。维也纳:统计计算基金会;2015.gydF4y2Ba
- Zullo MD, Gathright EC, Dolansky MA, Josephson RA, Cheruvu VK, Hughes JW。抑郁对心肌梗死后心脏康复利用的影响:158,991名医保受益人的研究J cardiopm Rehabil Prev 2017 Jan;37(1):22-29 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- poussreliu CR, Andersson G, Bergman NL, Dobrean a .焦虑和抑郁的互联网跨诊断和定制认知行为疗法:随机对照试验的系统回顾和元分析。Cogn Behav Ther 2017 Jan;46(1):1-28。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
gydF4y2Ba
缩写gydF4y2Ba
CAQ:gydF4y2Ba心脏焦虑问卷gydF4y2Ba |
认知行为疗法:gydF4y2Ba认知行为疗法gydF4y2Ba |
心血管疾病:gydF4y2Ba心血管病gydF4y2Ba |
有:gydF4y2Ba医院焦虑抑郁量表gydF4y2Ba |
直肠:gydF4y2Ba基于互联网的认知行为疗法gydF4y2Ba |
事例:gydF4y2BaK最近邻gydF4y2Ba |
小姐:gydF4y2Ba心肌梗死gydF4y2Ba |
MI-ANXDEP:gydF4y2Ba心肌梗死伴抑郁、焦虑或抑郁和焦虑症状gydF4y2Ba |
3月:gydF4y2Ba随机失踪gydF4y2Ba |
MCAR:gydF4y2Ba完全随机失踪gydF4y2Ba |
RFE:gydF4y2Ba递归特征消除gydF4y2Ba |
SBP:gydF4y2Ba收缩压gydF4y2Ba |
U-CARE:gydF4y2Ba乌普萨拉大学社会心理护理方案gydF4y2Ba |
G·艾森巴赫(G Eysenbach)编辑;提交11.04.18;同行评议作者:C p63esrelu, F Lenhard, M Gonzalez, R Gallagher;作者评论02.05.18;修订版本收到20.06.18;接受05.07.18;发表10.10.18gydF4y2Ba
版权gydF4y2Ba©John Wallert, emily Gustafson, Claes Held, Guy Madison, Fredrika Norlund, Louise von Essen, Erik Martin Gustaf Olsson。最初发表于《医疗互联网研究杂志》(//www.mybigtv.com), 2018年10月10日。gydF4y2Ba
这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。gydF4y2Ba