Este artículo es de la Universidad de Oxford: tesis doctoral (Autor PJ Moor), un total de 187.
Este estudio utiliza modelos estadísticos para estudiar las emociones de pacientes con trastorno bipolar. Este artículo reporta tres análisis de datos de sentimiento de monitoreo remoto, cada uno de los cuales corresponde a un artículo de revista del autor.
El primer análisis mostró que los pacientes con una calidad de sueño inestable tienen más probabilidades de volver a las calificaciones del estado de ánimo de vez en cuando que los pacientes con una calidad de sueño deficiente.
El segundo análisis encontró que usar datos semanales para predecir la depresión no es factible.
El tercer análisis muestra que la serie temporal de la depresión no se puede distinguir de su ajuste lineal Los métodos de predicción no lineal no son más precisos que los métodos lineales para predecir emociones.
Otra contribución es el desarrollo de un nuevo algoritmo de predicción del vecino más cercano k, que se evalúa en función de los datos de opinión y otras series de tiempo. Se propone un trabajo adicional para una identificación de sistemas y datos de muestreo más frecuentes. Finalmente, se recomienda que los datos de observación se combinen con modelos de función cerebral, y se necesita más trabajo en la explicación teórica de las enfermedades mentales.
Este estudio aplica modelos estadísticos al estado de ánimo en pacientes con trastorno bipolar. Se informan tres análisis de datos del estado de ánimo telemonitorizados, cada uno de los cuales corresponde a un artículo de revista del autor. El primer análisis revela que los pacientes cuya calidad de sueño varía tienden a devolver las calificaciones del estado de ánimo de forma más esporádica que aquellos con una calidad de sueño menos variable. El segundo análisis encuentra que pronosticar la depresión con datos semanales no es factible usando calificaciones semanales del estado de ánimo. Un tercer análisis muestra que las series de tiempo de depresión no se pueden distinguir de sus sustitutos lineales, y que los métodos de pronóstico no lineales no son más precisos que los métodos lineales para pronosticar el estado de ánimo. Una contribución adicional es el desarrollo de un nuevo algoritmo de pronóstico del vecino más cercano k que se evalúa en los datos del estado de ánimo y otras series de tiempo. Se propone seguir trabajando en los datos muestreados con mayor frecuencia y en la identificación del sistema. Finalmente, se sugiere que los datos de observación deben combinarse con modelos de función cerebral, y que se necesita más trabajo sobre las explicaciones teóricas de las enfermedades mentales.
-
引言 - Teoría estadística
- Factores relacionados con las emociones
- Predicción de sentimiento
- Estado de ánimo dinámico
- Predicción del vecino más cercano
- Conclusión general
Para obtener más artículos interesantes, preste atención a la cuenta pública: