基于机器学习的急性期精神分裂症心理理论能力对社会功能的预测作用

摘要：

目的 探讨基于机器学习算法的急性期精神分裂症患者心理理论能力对社会功能的预测作用.方法 选取 2013 至2017 年来自首都医科大学附属北京安定医院门诊的急性期精神分裂症患者 90 例,采用阳性和阴性症状量表(Positive and Negative Syndrome Scale,PANSS)评估急性期精神分裂症患者的精神症状;选取威斯康星卡片分类测验(Wisconsin Card Sorting Test,WCST)中的完成分类数、持续性操作测验(Continuous Performance Test,CPT)平均反应时间、成人韦氏智力量表(Wechsler Adult Intelligence Scale,WAIS)中的数字广度项目评估神经认知;选取心理理论能力中的一级错误信念、二级错误信念、失言识别任务和眼区阅读测试评估社会认知;选用个人与社会功能量表(Personal and Social Functioning Scale,PSP)评估急性期精神分裂症患者的社会功能.应用机器学习算法评估急性期精神分裂症心理理论能力对社会功能的预测作用.结果 相关分析结果显示急性期精神分裂症患者的PSP评分与阴性症状(r=-0.271,P=0.010)、WCST 完成分类数(r=-0.128,P=0.328)呈负相关,与失言识别评分呈正相关(r=0.410,P＜0.001);二级错误信念及失言识别任务对急性期精神分裂症患者的社会功能具有良好的预测作用,曲线下面积(area under the curve,AUC)值为 80.9%.结论 急性期精神分裂症患者的社会功能损害与阴性症状及心理理论能力密切相关,心理理论能力对急性期精神分裂症患者的社会功能具有良好的预测作用.

关键词：精神分裂症、心理理论能力、社会功能、机器学习

所属期刊栏目：44

分类号：R74(神经病学与精神病学)

在线出版日期：2023-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：596-601