強迫性障害の症状の重症度を特定して分類と予測を行う。人工ニューラルネットワークによるアプローチ

Identifying the Symptom Severity in Obsessive-Compulsive Disorder for Classification and Prediction: An Artificial Neural Network Approach.

• Mirza Naveed Shahzad
• Muhammad Suleman
• Mirza Ashfaq Ahmed
• Amna Riaz
• Khadija Fatima

抄録

本研究の目的は、OCD患者を健康な対照者から分類するために、OCDの最も顕著な決定因子を特定することである。本研究のデータは、OCDと診断された200名のOCD患者と400名の健常者から収集された。回答者は、Y-BOCS尺度に、家族の中の個人の価値という因子を加えたものを用いて、目的に応じたサンプリングを行い、インタビューを行った。データの妥当性と信頼性は、Cronbachのアルファと確認的因子分析によって評価した。人工ニューラルネットワーク(ANN)モデリングは、個人のOCDを予測するために、脅威的な決定要因とその強さを決定するために採用されました。ANNモデリングの結果、健常者と対照者の間で98％の精度でOCD患者を分類することができました。OCD患者を重要度別に分類する際に最も貢献した要因は、「汚れと掃除」（100％）、「対称性と完全性」（72.5％）、「家族における個人の価値」（71.1％）、「攻撃的、宗教的、性的強迫観念」（50.5％）、「リスクの高い評価」（46.0％）、「身体的強迫観念とチェック」（24.0％）であり、OCD患者を分類する際に最も貢献した要因は、「汚れと掃除」（100％）、「対称性と完全性」（72.5％）、「家族における個人の価値」（71.1％）、「攻撃的、宗教的、性的強迫観念」（50.5％）、「リスクの高い評価」（46.0％）、「身体的強迫観念とチェック」（24.0％）であった。

The present study is aimed at identifying the most prominent determinants of OCD along with their strength to classify the OCD patients from healthy controls. The data for this cross-sectional study were collected from 200 diagnosed OCD patients and 400 healthy controls. The respondents were selected through purposive sampling and interviewed by using the Y-BOCS scale with the addition of a factor, worth of an individual in his family. The validity and reliability of data were assessed through Cronbach's alpha and confirmatory factor analysis. Artificial Neural Network (ANN) modeling was adopted to determine threatening determinants along with their strength to predict OCD in an individual. The results of ANN modeling depicted 98% accurate classification of OCD patients from healthy controls. The most contributing factors in determining the OCD patients according to normalized importance were the contamination and cleaning (100%); symmetric and perfection (72.5%); worth of an individual in the family (71.1%); aggressive, religious, and sexual obsession (50.5%); high-risk assessment (46.0%); and somatic obsessions and checking (24.0%).

Copyright © 2020 Mirza Naveed Shahzad et al.