Клинический тест для выявления и оценки депрессии: есть ли у вас депрессия? — Нож

Аффективные вычисления — это наука о создании эмоционально ориентированной технологии, включая автоматический анализ аффекта и экспрессивного поведения (Пикард, 1997). По самому своему определению расстройства настроения напрямую связаны с аффективным состоянием, и поэтому аффективные вычисления обещают стать хорошим подходом к анализу депрессии. Обработка социальных сигналов касается всех вербальных и невербальных коммуникативных сигналов во время социальных взаимодействий, независимо от того, имеют они аффективный характер или нет (Vinciarelli et al., 2012). Было показано, что депрессия коррелирует с нарушением нормального социального взаимодействия, что приводит к таким наблюдениям, как ослабление лицевых экспрессивных реакций, избегание зрительного контакта и использование коротких предложений с ровной интонацией.

Хотя оценка поведения является центральным компонентом психиатрической практики, она сильно ограничена индивидуальным субъективным наблюдением и отсутствием каких-либо натуралистических измерений в реальном времени. Таким образом, вполне логично, что исследователи в области аффективных вычислений и обработки социальных сигналов, которые стремятся количественно оценить такие аспекты экспрессивного поведения, как активация лицевых мышц и скорость речи, начали искать способы, которыми их сообщества могут помочь практикующим психиатрам. Это фундаментальное обещание недавно определенной области исследований поведенческой медицины (Valstar, 2014), которая направлена ​​на применение автоматического анализа и синтеза аффективных и социальных сигналов для помощи в объективной диагностике, мониторинге и лечении медицинских состояний, которые изменяют аффективные и социальные аспекты человека. выразительное поведение.

Что касается депрессии, недавние задачи, организованные для измерения тяжести депрессии с помощью эталонной базы данных, показали относительно впечатляющий успех в автоматической оценке тяжести депрессии (Valstar et al., 2013, 2014). Победитель конкурса 2014 года, команда из лаборатории Линкольна Массачусетского технологического института (Williamson et al., 2014), получила среднюю ошибку 6,31 по шкале тяжести депрессии в диапазоне от 0 до 43, что указывает на то, что даже первые подходы в этом направление имеют значительную прогностическую ценность.

Однако предыдущие исследования также показали, что определение надежных индикаторов депрессии нетривиально.

Мы провели эксперимент, в котором участникам было предложено выполнить две задачи: прочитать отрывок из популярной книги и ответить на вопрос об их текущем эмоциональном состоянии.Этот эксперимент был повторен участниками, которые, как известно, страдали большим депрессивным расстройством.

Исследование, о котором мы сообщаем в этой работе, содержит два основных вклада: во-первых, мы показываем, что всего с двумя звуковыми функциями и простым наивным байесовским классификатором мы можем точно различать депрессивных и не депрессивных людей с точностью 82,35%. Мы также исследуем в более общем плане, какие слуховые особенности значительно различаются у здоровых и депрессивных людей. Во-вторых, что, возможно, более заметно, мы показываем, как на эти различия влияет попытка человека скрыть свою депрессию, и впервые обнаруживаем экспериментальные доказательства того, что люди, возможно, не могут скрыть сигналы депрессии в своем голосе.

2. Депрессия

Депрессия — самое распространенное психическое расстройство, которым страдает каждый десятый взрослый. Традиционно научные и клинические подходы классифицируют депрессию на основе наблюдаемых изменений аффекта пациента, которые не являются ожидаемыми реакциями на потерю или травму. Хотя существует широкий диапазон как симптомов, так и степени тяжести депрессии, в целом это согласовано в соответствии с Диагностическим и статистическим руководством, 4-е изд. (DSM-IV), что для диагностики большого депрессивного расстройства у пациента должны проявляться пять или более из следующих симптомов (American Psychiatric Association, 2000):

1.Подавленное настроение большую часть дня или почти каждый день.

2. Заметное снижение интереса или удовольствия от всех или почти всех занятий большую часть дня или почти каждый день.

3. Значительная непреднамеренная потеря веса или увеличение или увеличение / уменьшение аппетита.

4. Бессонница или гиперсомния почти каждый день.

5. Заметное психомоторное возбуждение или заторможенность почти каждый день.

6. Усталость или потеря энергии почти каждый день.

7.Чувство никчемности или чрезмерной или неуместной вины почти каждый день.

8. Снижение способности думать, концентрироваться или принимать решения почти каждый день.

9. Периодические мысли о смерти, повторяющиеся суицидальные мысли без определенного плана или попытки самоубийства и конкретный план.

Однако депрессия часто оказывает гораздо более значительное влияние, чем просто перечисленные симптомы, и может влиять на различные биологические, экологические, социальные или когнитивные факторы или подвергаться их влиянию.Саму депрессию нельзя понять без учета социального контекста и окружающей среды, поскольку национальность, этническая принадлежность и социально-экономический статус влияют на распространенность и проявление депрессии (Karasz, 2005). Также существуют значительные различия между индивидуальными переживаниями депрессии (Lewis, 1996).

Такое определение депрессии, основанное на симптомах, делает точный диагноз проблематичным, поскольку трудно объективно измерить психологические, а не физиологические явления.Хотя диагностические критерии в некоторой степени произвольны, сама классификация может иметь значительное влияние на рекомендованное лечение. Кроме того, депрессию не всегда можно категорически отличить от других расстройств психического здоровья. В частности, депрессия и тревога часто сосуществуют и оказывают сходное влияние на аффекты пациента (Clark and Watson, 1991). Для постановки диагноза необходимы опытные клиницисты и понимание истории болезни человека, записей психологического тестирования, самооценки и оценки во время клинических собеседований (Yingthawornsuk, 2007).Часто это длительная процедура, и соответствующие данные или эксперты не всегда могут быть доступны.

2.1. Самооценка депрессии

Из-за сложности постановки последовательного, эффективного и точного диагноза самооценка часто используется как быстрый способ диагностировать и контролировать депрессию. Следует отметить, что, хотя эти методы по своей природе ошибочны и требуют от пациента критической и честной оценки своего поведения, они, тем не менее, служат разумным поддающимся количественной оценке стандартом, с которым можно сравнивать.Двумя наиболее часто используемыми оценками являются Опросник депрессии Бека-II (BDI-II) и опросник здоровья пациента (PHQ-9). Тест BDI был создан в 1961 году и с тех пор несколько раз обновлялся. Самая последняя версия была создана в 1996 году и модифицирована для лучшего соответствия критериям DSM-IV (Beck et al., 1961, 1996). Напротив, PHQ-9 был создан в середине 1990-х годов как усовершенствование более продолжительной первичной оценки психических расстройств (PRIME-MD) и явно оценивает критерии DSM-IV посредством самоотчета (Spitzer et al., 1999).

Сравнение этих двух оценок можно найти в таблице 1 (Kroenke et al., 2001; Kroenke and Spitzer, 2002; Kung et al., 2013). Многочисленные исследования изучали взаимосвязь между этими двумя тестами для ряда пациентов с различными расстройствами настроения, жизненным опытом и состояниями и сообщили о корреляции в диапазоне от 0,67 до 0,87 (Diez-Quevedo et al. , 2001; Dum et al., 2008 ; Hepner et al., 2009; Furukawa, 2010; Kung et al., 2013). Эти инструменты также показали высокую корреляцию с оценками депрессии, оцениваемыми клиницистами, такими как 17-позиционная шкала оценки депрессии Гамильтона (HRSD-17) (Kung et al., 2013).

Таблица 1 . Сравнение нескольких характеристик BDI-II и PHQ-9 .

Хотя существует множество других диагностических тестов депрессии, эти два были выбраны для нашего исследования по причинам доступности и сопоставимости. BDI-II используется в качестве золотого стандарта для измерения тяжести депрессии в недавних исследованиях аудио / визуальных эмоций (AVEC 2013/2014, Valstar et al., 2013, 2014).С другой стороны, PHQ-9 — это простой, эффективный и бесплатный тест, который часто используется взаимозаменяемо с BDI-II. Поскольку для завершения PHQ-9 требуется всего около минуты, было сочтено целесообразным добавить проверку на надежность и позволить будущим исследователям свободно сравнивать свои результаты с нашими.

2.2. Регулирование эмоций и обман

Во всем, от нормального социального взаимодействия до полицейских расследований, люди постоянно пытаются определить правдивость поведения других.Следовательно, ученые попытались определить поведенческие сигналы, которые могут указывать на обман (DePaulo et al., 2003). Однако эти сигналы не обязательно указывают на повседневные попытки подавить или отрегулировать эмоции и их выражение. В течение жизни люди узнают, какие эмоции они должны испытывать и выражать в данном социальном контексте (Miller and Sperry, 1987; Harris et al., 1989). Регулирование эмоций необходимо для социального функционирования, хотя степень необходимого регулирования варьируется в зависимости от культуры (Gross and Muñoz, 1995; Mayer and Salovey, 1995).

Эти неявные правила, определяющие, что является социально приемлемым, влияют не только на то, что люди чувствуют, но и на то, как их чувства воспринимаются как лично, так и другими (Kirmayer, 2001). Таким образом, культура может усиливать давление, заставляющее отрицать или преуменьшать свое чувство «социальной приемлемости», что затрудняет диагностику. Напротив, соматические жалобы не имеют клейма, поэтому их легче подавать. Исследование Kirmayer et al. (1993) продемонстрировали, насколько часто это явление возникает при депрессии и тревоге.Большинство пациентов обращались к своим терапевтам с исключительно соматическими симптомами и признавали психологический аспект только тогда, когда их просили предоставить дополнительную информацию. Однако психологические жалобы легче распознаются и точно диагностируются врачами первичного звена. Более того, эти результаты были воспроизведены в нескольких странах, демонстрируя, что это подавление устойчиво во многих этнокультурных группах (Kirmayer et al., 1993; Garcia-Campayo et al., 1998; Simon et al., 1999; Кирмайер, 2001).

3. Автоматическое определение депрессии на основе речи

В предыдущей работе по автоматическому распознаванию депрессии использовались как аудио, так и видео режимы, например, Williamson et al. (2013) для аудио и Girard et al. (2013) для видео. Из этих двух аудиомодальность до сих пор была наиболее успешной: подход на основе аудио, разработанный лабораторией Линкольна Массачусетского технологического института (MIT-Lincoln Lab), победил в конкурсе AVEC 2013 по распознаванию депрессии (Valstar et al., 2013; Williamson et al., 2013).Хотя ожидается, что в конечном итоге комбинация аудио- и видеомодальностей обеспечит максимально возможный уровень распознавания, для простоты мы сосредоточимся только на звуковых функциях в этом исследовании сокрытия депрессии.

3.1. Теория производства речи

При первой попытке понять, как создается речь, полезно рассматривать голосовой аппарат человека как источник и фильтр. В голосовой речи источником является волна давления, создаваемая взаимодействием воздуха, проталкиваемого через гортань и колеблющиеся голосовые связки, тогда как в глухой речи воздух по определению не взаимодействует с голосовыми связками.Голосовые связки можно регулировать, управляя мышцами гортани, хотя конкретная геометрия связок зависит от говорящего. Во время разговора воздух из легких течет достаточно быстро, чтобы связки автоколебались, что изменяет размер голосовой щели и, в свою очередь, количество пропускаемого воздуха. Результирующая объемная скорость голосовой щели в конечном итоге определяет периодичность речи или основную частоту (Talkin, 1995). Однако эта частота изменяется естественным образом при разговоре посредством дальнейших изменений челюсти, губ, языка и т. Д.Важно отметить, что реальный звук, производимый гортани во время фонации, создается не самими вибрациями, а, скорее, модулированным потоком воздуха, движущимся через вибрирующие складки (см. Рисунок 1). Понимание того, как производится речь, уместно, если учесть, что депрессия влияет на различные аспекты моторного контроля, что, таким образом, отражается в артикуляционных изменениях.

Рис. 1. Теорию создания речи с помощью фильтра-источника можно проследить до объемной скорости голосовой щели, которая производит (A) голосовую волну. Затем это изменяется (B) формой речевого тракта до того, как (C) излучаемая звуковая волна становится слышимой . Эквивалентный голосовой спектр (D) может также рассматриваться как находящийся под влиянием (E) функции передачи голосового тракта для создания (F) результирующего акустического спектра у ротового отверстия. Рисунок взят из Chang (2012).

3.2. Связанные работы

Качественные наблюдения депрессии были хорошо задокументированы, такие как более медленные движения тела, когнитивная обработка и производство речи, при этом депрессивная речь часто описывается как «мертвая» и «апатичная» (Newman and Mather, 1938; Moses, 1942; Moore et al. al., 2004). Само содержание речи изменяется, что можно количественно оценить по количеству личных упоминаний, отрицаний, прямых упоминаний или выражений чувств в разговоре (Weintraub and Aronson, 1967; Hinchliffe et al., 1971).

Напротив, параметры, полученные из записанного речевого сигнала, а не его предметного содержания, изучались только в течение последних 40 лет, причем исследования часто давали противоречивые результаты. Например, некоторые исследования спектрального распределения энергии пришли к выводу, что депрессия связана с увеличением энергии на более низких частотах (Ostwald, 1963; Tolkmitt et al., 1982), в то время как другие пришли к противоположному выводу (France et al., 2000).

Другие параметры речи дали более стабильные результаты. Основная частота ( F ₀ ) является одним из наиболее широко изучаемых параметров и продемонстрировала умеренную предсказуемость тяжести депрессии, при этом уменьшение амплитуды и вариабельности, как правило, указывает на более высокую степень тяжести (Low et al., 2010; Mundt et al., 2012; Cummins et al., 2013; Yang et al., 2013). Low et al. оценили результирующую точность классификации кепстральных коэффициентов Mel-частоты (MFCC), энергии, скорости пересечения нуля (ZCR) и операторов энергии Тигера (TEO) и обнаружили наиболее эффективную комбинацию MFCC и других функций (Low et al., 2009а, б, 2010). Было также показано, что паттерны формант отражают снижение артикуляционной точности из-за депрессии (Hargreaves and Starkweather, 1964; Kuny and Stassen, 1993).

Несколько многообещающих просодических признаков являются мерой известных клинических наблюдений. Чаще всего о депрессивной речи сообщают как о более тихой, менее изменчивой и медленной, с меньшим количеством произнесенных слов и более низкой частотой слов (Weintraub and Aronson, 1967). Надежные измерения этого включают, помимо прочего, среднюю продолжительность речи, общее время выступления, длительность паузы как внутри речевых сегментов, так и перед ответами, вариабельность продолжительности паузы, средний уровень голоса (громкость), вариацию уровня голоса по всем пикам ( выделение) и вариация высоты тона (интонация) (Greden et al., 1981; Сабади и Брэдшоу, 1983; Канниццаро ​​и др., 2004; Mundt et al., 2012). Изменения этих параметров могут отражать временные изменения тяжести депрессии в результате лечения (Mundt et al., 2007). Эти результаты были воспроизведены с людьми, не говорящими по-английски (Hardy et al., 1984).

Важно отметить, что экспериментальные результаты обычно различаются, если у пациента с депрессией проявляются «возбужденные» или «заторможенные» симптомы. Замедленная депрессия проявляет те же характеристики, что и грусть, тогда как ажитированная депрессия включает в себя уровень страха или беспокойства.Также существует заметная разница, если данные исходят из автоматической речи (счет или чтение) или свободы слова (Alghowinem et al., 2013). Когнитивная потребность в свободе слова обычно подчеркивает речевые аномалии, особенно во время паузы, более того, различные области мозга активируются во время автоматической и свободной речи (Sturim et al., 2011; Horwitz et al., 2013). Следовательно, в этих экспериментах использовались оба типа.

4. Методология

Эта работа направлена ​​не только на определение звуковых характеристик, которые различаются у здоровых и депрессивных людей, но и на исследование того, как они меняются, когда люди с депрессией пытаются скрыть свои истинные эмоции.Интересующая нас совокупность выделена синим цветом на Рисунке 2 ниже. Основываясь на наборе оптимизированных функций, нашей целью было автоматическое распознавание депрессии, которое по-прежнему сможет правильно классифицировать человека как депрессивного, даже если он пытается скрыть свою депрессию. Здоровые люди, которые изменяют свое поведение, чтобы казаться подавленными, не представляли интереса в этом исследовании.

Рис. 2. Население депрессивных людей можно разделить на тех, кто действует так, как они чувствуют, и тех, кто пытается внешне подавить свои симптомы .Хотя в диагностических системах необходимо сосредоточиться на обоих аспектах, действительно надежные системы должны быть в состоянии точно диагностировать депрессию у человека независимо от обстоятельств.

4.1. Сбор данных

участников набирались в основном из аспирантов Ноттингемского университета, так как они были наиболее доступными. Рекламные объявления были размещены на веб-сайтах социальных сетей, в разделе «Приглашение участников» и отправлены в различные списки рассылки.Участники сами идентифицировали себя как «депрессивные» или «здоровые», но эти классификации были подтверждены с помощью анкетных опросов PHQ-9 и BDI-II. Цель исследования была полностью объяснена как участникам депрессии, так и контрольной группе. Однако, чтобы не повлиять на поведение участников, объяснение не включало, какие именно звуковые сигналы мы исследовали в качестве объективных мер (например, вокальная просодия, громкость и т. Д.).

по этике было получено наблюдательным советом по этике Школы компьютерных наук Ноттингемского университета.Заявка содержала форму согласия, информационный лист и подробный контрольный список, в котором описывался протокол эксперимента и соответствующие методы защиты. Для этого исследования были отобраны тринадцать женщин (средний возраст 24,5 ± 3,1) и четыре мужчины (средний возраст 25,5 ± 4,5). Из них примерно половина представителей обоих полов были классифицированы как «здоровые люди из контрольной группы», а другая половина — как «депрессивные» по результатам первоначальной оценки PHQ-9 и подтверждена BDI-II. По результатам анкетирования классификация одного участника была изменена, в результате чего были распределены девять человек с депрессией и восемь здоровых людей. Поскольку эта участница либо уже пыталась скрыть свою депрессию, либо просто считала себя здоровой, она не выполнила ту же задачу по сокрытию. Во всех дальнейших обсуждениях она упоминается как «реклассифицированный участник».

Критерии включения требовали, чтобы участники были старше 18 лет, желали дать информированное согласие, а для участников с депрессией соответствовали критериям DSM-IV для легкой и умеренной депрессии либо по шкале PHQ-9 от 5 до 15, либо по шкале BDI-II между 14 и 28.Участники были исключены, если у них было ранее существовавшее психотическое расстройство психического здоровья (биполярное расстройство, депрессия с бредом и галлюцинациями, или параноидальные представления, или шизофрения, или бредовое расстройство по их собственному мнению), высокий балл по пунктам, касающимся суицидальных мыслей по любому из диагностических критериев. результаты теста или депрессии выше указанного диапазона, что указывает на депрессию средней тяжести или выше. Было отмечено лекарство, но это не сделало участника непригодным для участия в исследовании. В дополнение к 17, которые соответствовали соответствующим критериям, три человека были признаны неприемлемыми из-за серьезности их депрессии.

В идеале участники должны были быть этнически и культурно однородными, чтобы исключить любое влияние на регуляцию эмоций, содержание речи или выражение лица, не связанное с депрессией. Однако, учитывая, что доступное население было почти исключительно ограничено аспирантами университетов, из которых более половины — иностранцы, это было нереально.В качестве второй лучшей альтернативы однородной популяции были отобраны здоровые участники, соответствующие возрасту, полу, культурному происхождению и родному языку каждого из депрессивных участников. Подбор возраста производился до максимально возможного возраста. Некоторые совпадения были точными, но для других мы применили подход с минимальной среднеквадратической ошибкой. Культурное происхождение определялось тем, был ли родной язык участника английским или нет (на практике это означало, что иностранные студенты или иностранные студенты). В некоторых случаях можно было провести точное совпадение национальностей, но не для всех участников. Отмечалось также, что курение связано с повреждением голосовых связок и гортани (Hirabayashi et al., 1990). Знание того, кто был подходящим партнером, не использовалось ни в одном из статистических анализов и анализов машинного обучения, выполненных в этой работе.

Протокол сбора данных этих экспериментов проиллюстрирован на рисунке 3. Одна и та же система сбора данных, местоположение и интервьюер использовались во время экспериментов для обеспечения согласованной контролируемой среды.Приемлемым участникам было задано два отдельных набора вопросов. Депрессивные участники были проинструктированы действовать естественно, отвечая на один набор, и изменить свое поведение так, чтобы скрыть любые физические признаки депрессии в другом. Здоровые участники были проинструктированы действовать как можно естественнее на протяжении всего эксперимента. После каждого набора вопросов участники зачитывали вслух одностраничный отрывок из третьей книги «Гарри Поттер», чтобы иметь стандартный фонетический контент для сравнения. Порядок вопросов был рандомизирован.

Рисунок 3. Обзор протокола эксперимента и процесса тестирования . Подходящим участникам было задано два отдельных набора вопросов и предложено прочитать вслух отрывок из популярной книги. Депрессивные участники были проинструктированы действовать естественно, отвечая на один набор, и изменить свое поведение так, чтобы скрыть любые физические признаки депрессии в другом. Здоровые участники были проинструктированы действовать как можно естественнее на протяжении всего эксперимента.Порядок вопросов был рандомизирован.

В ходе экспериментов участники записывались с помощью веб-камеры и микрофона. Аудио и видео данные были записаны с помощью веб-камеры Logitech C910 HD Pro и микрофона Blue Snowball. Видео было собрано исключительно для потенциального использования в будущих исследованиях по созданию мультимодальных систем. Речевые образцы были оцифрованы с частотой дискретизации 44,1 кГц и 16 бит. Для каждого набора вопросов и отрывков для чтения был создан новый файл AVI.Затем звук был извлечен в файл WAV для дальнейшей обработки и обеспечения совместимости с различными программными пакетами.

Чтобы указать стандартные темы для разговора во время эксперимента, интервьюер задавал серию заранее заданных вопросов, стараясь не реагировать ни на один из ответов испытуемого. Сценарий был разработан для максимального увеличения количества депрессивных сигналов, собранных за короткий период времени. Перед собеседованием участникам было дано время, чтобы они познакомились с окружающей обстановкой и задали окончательные уточняющие вопросы.В обоих сценариях начальные вопросы были простыми и позитивными по тону, чтобы установить взаимопонимание между интервьюером и интервьюируемым, а за ними следовали два рефлексивных, потенциально негативных вопроса. При естественном поведении депрессивных участников спрашивали, что, по их мнению, является физическим индикатором депрессии, а также как они пытались раньше скрыть свою депрессию, объясняя это тем, что легче быть честным, если не пытаться сознательно обмануть.

Однако, когда участников попросили скрыть свою депрессию, их спросили о глубоко эмоциональной теме, а именно описать свой опыт с депрессией.В свою очередь, это имитировало соответствующую сложность сокрытия сильных эмоций в повседневной жизни. Последние вопросы были более открытыми, что позволяло участникам выбирать тему и, таким образом, чувствовать больший контроль над ситуацией. Это рекомендовалось в качестве хорошей практики для экспериментов, связанных с социальной психологией (Harmon-Jones et al., 2007; Quigley et al., 2014).

Контрольным субъектам задавали аналогичные вопросы, за исключением того, что их просили описать время, когда они чувствовали необходимость скрывать свои эмоции, и как они думали, что они будут чувствовать депрессию.В дополнение к этим вопросам участникам также было предложено прочитать вслух первые три абзаца из третьего романа «Гарри Поттер» (Rowling, 1999), поскольку он удобен для чтения и общения в разных культурах, а также позволяет более прямо сравнение характеристик речи в группах и наборах вопросов.

4,2. Извлечение функций

Из-за любого потенциального воздействия оборудования или окружающей среды на последующий анализ, сигналы были предварительно обработаны перед выделением признаков путем ручного удаления голосов, отличных от голосов участника (т.д., интервьюера) и синтаксический анализ полученного сигнала в новый файл для каждого вопроса. Затем речь была улучшена с помощью спектрального вычитания. Сигнал был разделен на кадры данных длиной примерно 25 мс, поскольку предполагалось, что свойства речи были постоянными в течение этого периода, и к каждому кадру применялось окно Хэмминга, чтобы удалить неоднородность сигнала на концах каждого блока. Каждый кадр был нормализован, и спектр мощности был извлечен для оценки шума с использованием оценщика минимальной среднеквадратичной ошибки (MMSE).Спектры шума усреднялись по нескольким кадрам «тишины» или сегментам, когда присутствовал только шум, а затем оценка шума вычиталась из сигнала, но не допускалась его снижение ниже минимального порога. В свою очередь, это помогло предотвратить чрезмерное гашение спектральных пиков. Более того, поскольку этот порог был установлен как SNR, он также мог варьироваться между кадрами. Это было реализовано как модифицированная версия функции спектрального вычитания в панели инструментов MATLAB VOICEBOX (Brookes, 1997).

Затем этот усиленный сигнал был пропущен через КИХ-фильтр верхних частот первого порядка для предварительного выделения. Этот фильтр был определен как:

, где α был установлен как -0,95, что предполагает, что 95% любого образца происходит из предыдущего. Предварительное выделение служит для сглаживания спектра сигнала для усиления высокочастотных компонентов и смещения естественно отрицательного спектрального наклона вокализованной речи (Kesarkar and Rao, 2003). Поскольку человеческий слух более чувствителен на частотах выше 1000 Гц, любой дальнейший анализ также становится более чувствительным к важным для восприятия аспектам речи, которые в противном случае были бы затемнены более низкими частотами.

Выбор функций существенно влияет на точность классификаторов машинного обучения. Как описано в Moore et al. (2003, 2008) и Low (2011) акустические характеристики часто разделяются на категории и подкатегории для определения оптимальных наборов характеристик. В этом исследовании используются похожие группировки, которые подразделяются на просодические, спектральные, кепстральные и на основе TEO. Затем используется статистический анализ, чтобы сократить количество функций, чтобы включить только те, которые являются статистически значимыми.

4.2.1. Просодические характеристики: высота тона и основная частота

Шаг обычно определяется количественно и считается эквивалентом основной частоты ( F ₀ ). F ₀ — это основное и легко измеряемое свойство периодических сигналов, которое сильно коррелирует с воспринимаемой высотой звука. F ₀ приблизительно соответствует периодической скорости открытия и закрытия голосовой щели в голосовой речи (Moore et al. , 2003). Однако его сложно измерить, так как он меняется со временем и зависит от состояния голоса, которое часто бывает неясным.В этих экспериментах была реализована слегка измененная версия алгоритма отслеживания высоты тона Talkin в панели инструментов MATLAB VOICEBOX. Этот алгоритм известен своей относительной надежностью (Talkin, 1995).

4.2.2. Характеристики просодики: журнал Energy

Логарифм кратковременной энергии представляет громкость сигнала и рассчитывается для каждого кадра по формуле. 2 ниже (Low, 2011).

, где m — номер кадра с N отсчетами на кадр, а s (n) — речевой сигнал.Стресс или эмоции часто влияют на измеряемую энергию.

4.2.3. Просодические характеристики: временные меры

Хотя речь часто сегментируется перед анализом, просодический анализ сегмента в целом также может быть полезным. В программном пакете Praat (Boersma and Weenink, 2014) был написан автоматизированный сценарий для извлечения различных временных показателей, рассчитанных с помощью уравнений 3–6. Общее количество слогов в чтении отрывка считалось постоянным для всех участников, так как содержание не менялось.

Эти характеристики позволили количественно оценить некоторые симптомы психомоторной отсталости у пациентов с депрессией, такие как трудности с мышлением, концентрацией и выбором слов. Было установлено, что выполнение этих тестов на спонтанной речи будет неточной оценкой просодии из-за того, в какой степени некоторые участники в обеих группах подключились или не ответили на вопрос. Например, некоторые участники ответили отдельными предложениями, в которых не было достаточно данных для справедливого сравнения.

4.2.4. Спектральные характеристики: спектральный центроид

Спектральный центроид выводится из средневзвешенного значения частот, присутствующих в сигнале, и представляет собой центр распределения мощности. Он рассчитывается по формуле. 7 ниже:

, где S ( n ) — величина спектра мощности для интервала номер n , центра интервала f ( n ) и общего числа интервалов N (Low, 2011).

4.2.5. Спектральные характеристики: спектральный поток

Спектральный поток измеряет, насколько быстро изменяется мощность в сигнале, сравнивая соседние спектры мощности (уравнение 8). Теоретически депрессивная речь должна колебаться сильнее, чем ровный голос здорового человека.Для его расчета измеряется евклидова норма разницы в мощности между соседними кадрами:

, где S ( k ) — мощность в полосе частот с соответствующим индексом k (Low, 2011). Спектральный разброс каждого участника нормализован от 0 до 1.

4.2.6. Спектральные характеристики: спектральный спад

Спад спектра определяется (Low, 2011) как частотная точка, в которой 80% спектра мощности находится ниже, или как в формуле. 9:

4.2.7. Cepstral особенности

Оптимальное представление речи характеризует уникальный «фильтр» или голосовой тракт человека, устраняя при этом любое влияние источника. Это проблематично, поскольку согласно модели источник-фильтр, эти два элемента неразрывно связаны сверткой или умножением во временной и частотной областях соответственно. Однако можно использовать логарифмы, чтобы разделить эти два значения, преобразовав умножения в суммы:

, где X ( z ) и H ( z ) — частотные характеристики источника и фильтра (Oppenheim and Schafer, 2004).Если фильтр в основном содержит низкие частоты, а источник — в основном высокие частоты, дополнительный фильтр теоретически может разделить их. Z — инверсия C ( z ), измеренная в единицах частоты, называется кепстром.

Кепстральные коэффициенты Mel-частоты (MFCC) — это функции, обычно используемые при распознавании говорящих. Мел — это просто единица измерения воспринимаемой высоты звука, учитывающая тот факт, что люди снизили чувствительность на более высоких частотах.Как и в случае с любой краткосрочной акустической функцией, аудиосигнал считается стационарным в небольшом временном масштабе (25 мс). Если кадры короче этого, то имеется недостаточно выборок для адекватного расчета свойств речи, но если они намного длиннее, сигнал слишком сильно изменяется на протяжении всего кадра. Кадры сдвигаются на 10 мс, чтобы отразить непрерывность сигнала.

После вычисления БПФ для каждого кадра определяется набор фильтров Mel с использованием набора треугольных фильтров, равномерно разнесенных в области Mel, и вычисляется логарифм энергии в полосе пропускания каждого фильтра.Было использовано тридцать фильтров на основе результатов предварительной оптимизации для классификации депрессий (Low, 2011).

Затем вычисляется дискретное косинусное преобразование (DCT) на основе этих логарифмических энергий, и MFCC являются результирующими коэффициентами. При этом энергия лучше представлена ​​в соответствии с человеческим восприятием, а корреляции между функциями устраняются. Кроме того, выбирая только первые 12 коэффициентов, можно изолировать более медленные изменения энергии банка фильтров, поскольку более высокие изменения частоты ухудшают точность распознавания.

значений MFCC предоставляют информацию о спектральной огибающей мощности последовательности кадров. Однако для получения динамической информации о траекториях коэффициентов во времени, коэффициенты Δ (дифференциал) и Δ-Δ (ускорение) могут быть рассчитаны по формуле. 11 ниже:

, где d _t — коэффициент Δ в момент времени t , вычисленный из статических коэффициентов c для размера окна ϕ из 9 кадров (Low et al., 2009а). Коэффициенты Δ-Δ рассчитывались аналогичным образом. Теоретически депрессия должна приводить к снижению артикуляционной точности, что затем отражается в этих значениях.

4.2.8. Особенности на базе ТЭО

являются полезными инструментами для анализа профиля энергии сигнала и энергии, необходимой для генерации этого сигнала (Kaiser, 1990). Применительно к производству речи они способны учитывать нелинейный воздушный поток и, таким образом, особенно важны при распознавании стресса из-за турбулентного (и, следовательно, нелинейного) воздушного потока в более эмоциональных состояниях.Два основных типа вихрей влияют на качество голоса — первый из них возникает в результате нормального разделения потока из-за открытия и закрытия голосовой щели и отвечает за громкость динамика и высокочастотные гармоники. Второй тип вызван быстрым потоком воздуха в эмоциональном или стрессовом состоянии, который создает вихри вокруг вестибулярных складок и, следовательно, производит дополнительные сигналы возбуждения, не связанные с измеренной основной частотой, генерируемой закрытием голосовой щели (Teager, 1980; Teager and Teager, 1983, 1990 ; Хосла и др. , 2008). Оператор, используемый для создания этого энергетического профиля TEO, математически рассчитывается с помощью уравнения. 12 ниже:

, где ψ — оператор энергии Тигера, а x [ n ] — соответствующий n -й образец речи (Low, 2011). В некоторых исследованиях сообщается о высокой эффективности этих характеристик при классификации депрессии (Low et al., 2009a, 2010), что побудило их использовать в этих экспериментах.

4.2.9. Статистический анализ

Вышеупомянутые функции были протестированы на их способность различать попарные сравнения здоровых и депрессивных участников с использованием тестов t с каждым файлом WAV, используемым в качестве точки данных. Любые функции, которые не были статистически значимыми на уровне альфа 0,05, не использовались в последующем моделировании. Односторонние тесты t использовались, если была известна связь между этим признаком и депрессией. Например, участники в депрессии должны демонстрировать более низкий уровень энергии, чем их здоровые сверстники.Если связь не была известна, выполнялись двусторонние тесты.

5. Результаты

Наш анализ релевантных голосовых сигналов депрессии проводился в три этапа. Во-первых, мы провели краткий визуальный осмотр признаков, которые, по мнению клинической литературы, являются сильными индикаторами депрессии. Во-вторых, мы вдохновились исследованием распознавания эмоций на основе звука и выяснили, какие из функций, которые ценны для распознавания эмоций, также являются статистически значимыми при обнаружении депрессии.Наконец, мы провели анализ машинного обучения, в котором мы обучили два простых классификатора распознаванию депрессии независимо от субъекта. В последнем исследовании мы также экспериментировали с инкрементным жадным выбором функций.

В целом, визуальный осмотр того, что должно быть уместным для распознавания депрессии, не выявило каких-либо явных закономерностей. На рисунке 4 показаны, пожалуй, наиболее выдающиеся результаты, основанные на логарифмической энергии речевого сигнала. Хотя большинство участников в депрессии, казалось, обычно имели более низкий уровень энергии, чем их здоровые коллеги, как показано на рисунке 4A, значительные вариации субъектов и выбросы скрывали эту взаимосвязь.Сравнение участников непосредственно в подобранных парах оказалось гораздо более показательным, поскольку почти все подобранные пары продемонстрировали более низкий уровень энергии для депрессивных участников по сравнению со здоровыми коллегами (рис. 4B). У мужчин обычно было меньше энергии, чем у женщин (рис. 4C), но при размере выборки в четыре человека эта тенденция не является статистически значимой. У носителей английского языка, по-видимому, более широкий разброс в среднем уровне энергии, чем у тех, для кого английский язык не является родным (рис. 4D), но опять же, эта тенденция не является статистически значимой.

Рис. 4. Средняя логарифмическая энергия была нанесена на график для каждого участника, сгруппированного по (A) классификации, (B) подобранным парам, (C) полу и (D) родному языку . Хотя с первого взгляда сложно определить закономерности, в целом каждый участник в депрессии демонстрировал значительно меньшую энергию, чем их соответствующий здоровый контроль. Из-за неравномерного количества участников у одного очка не было подходящей пары.

Был проведен статистический анализ выбранных элементов для выявления закономерностей, не видимых при визуальном осмотре.Поскольку полный набор функций очень велик, мы сосредоточили наше исследование на особенностях, которые ранее были признаны важными для распознавания эмоций (Iliou and Anagnostopoulos, 2010). Поскольку депрессия по своей природе является расстройством настроения, голос должен подавать сигналы, аналогичные некоторым негативным эмоциям. Таким образом, мы предполагаем, что некоторые из этих характеристик также могут иметь значение для классификации депрессии.

Каждая характеристика сравнивалась в подобранной паре здорового человека и человека с депрессией, и общее количество статистически значимых совпадающих пар перечислено в каждой соответствующей ячейке в таблицах 2 и 3.Если шесть или более (из восьми) пар демонстрировали значительные различия, этот признак считался потенциальным индикатором депрессии и закрашивался синим или бирюзовым цветом. Было отмечено, что этот процесс не обязательно означает, что разница обусловлена ​​только депрессией, а скорее, что депрессия, возможно, коррелирует с этой конкретной особенностью. Проверялось как нормальное, так и скрытое поведение. Признаки, которые оказались важными как для нормального поведения, так и для обнаружения эмоций [по данным исследования Илиу (Iliou and Anagnostopoulos, 2010)], выделены более толстыми черными границами в таблице 2.Было отмечено, что 24 особенности существенно различаются при нормальном поведении.

Таблица 2 . Признаки, которые значительно различаются между здоровыми и подавленными подобранными парами при нормальном поведении, заштрихованы синим цветом .

Таблица 3 . В таблице указаны речевые особенности, которые, как было определено, существенно различаются между согласованными парами здоровых и подавленных во время скрытого поведения .

Также была исследована значимость особенностей между нормальным и скрытым поведением. Из 17 признаков, которые продемонстрировали значимые различия между здоровыми и депрессивными людьми в отношении скрытого поведения, 14 также были значимыми при нормальном поведении (см. Таблицу 3). Хотя эти черты не обязательно являются индикаторами депрессии, тем не менее интересно, что черты, которые считались значимыми для скрытого поведения, почти всегда были значимы и для нормального поведения.MFCC тестировались с помощью двустороннего теста t , тогда как шаг и энергия тестировались с помощью одностороннего теста, поскольку предполагалось, что участники в депрессии будут иметь более низкие значения высоты тона и энергии.

Энергия журнала и аналогичные статистические данные были одними из наиболее отличительных черт между группами во время спонтанной речи. Учитывая, что большинство депрессивных участников, как правило, говорили тише, чем их здоровые сверстники, этого можно было ожидать. С другой стороны, большинство характеристик, связанных с высотой звука и его статистическими функциями, были на удивление плохими отличительными чертами.Возможно, это связано с тем, что высота тона чрезвычайно зависит от человека и может потребовать нормализации для прямого сравнения. Кроме того, участники, для которых английский язык не являлся родным, обычно имели более широкий разброс по высоте звука независимо от их классификации. Далее было отмечено, что сама «значимость» в этом исследовании проверялась иначе, чем в Iliou and Anagnostopoulos (2010), что может объяснить некоторые расхождения.

5.1. Оценка машинного обучения

Мы провели анализ машинного обучения с двумя целями: определить, можно ли обнаружить депрессию, даже если участник пытался скрыть свое депрессивное поведение, и определить минимальный набор функций, необходимых для четкого различения депрессивного и недепрессивного поведения.

Для первой цели модели машинного обучения были обучены на данных нормального поведения, чтобы найти оптимальный классификатор. Четыре различных классификатора были оценены не только на основе их точности классификации на основе предмета, но и на основе их чувствительности. Поскольку эти методы в идеале можно было бы реализовать в автоматическом диагностическом устройстве, было важнее иметь высокую чувствительность (процент людей, у которых правильно поставлен диагноз депрессии), чем высокую специфичность (процент людей, правильно определенных как здоровых).Затем обученная модель была протестирована на скрытых данных, и ее производительность была отмечена.

Наивный Байес, k — Классификаторы ближайшего соседа, случайного леса и нейронной сети были выбраны потому, что они, как известно, хорошо справляются с такими задачами и очень хорошо изучены. При обучении моделей перекрестная проверка с исключением одного субъекта и исключения использовалась, чтобы избежать одной из многих распространенных ошибок при использовании методов машинного обучения: переобучения, которое часто может приводить к ошибочно чрезмерно оптимистичным результатам (Jain and Zongker, 1997; Guyon and Элиссефф, 2003). Таким образом, мы обучили 16 отдельных моделей на данных о нормальном поведении, каждый раз исключая данные одного испытуемого. Затем каждая модель будет проверяться либо на нормальных, либо на скрытых данных оставленного субъекта. Обратите внимание, что в нашем подходе скрытые данные никогда не использовались для обучения какой-либо из моделей.

Из четырех классификаторов и наивный байесовский, и kNN классификаторы продемонстрировали замечательную точность классификации как для нормального, так и для скрытого поведения, как показано в таблице 4. Хотя оба достигли точности классификации (CA) 88.24% на индивидуальной основе, наивный байесовский классификатор показал превосходную чувствительность 88,89 и 75% для нормального и скрытого поведения соответственно по сравнению с 77,78% CA и 75% чувствительностью для классификатора kNN. Результаты показали, что добавление кепстральных функций не улучшило результатов. Применяя бритву Оккама, было обнаружено, что наилучшие результаты достигаются при использовании просодических функций в этой обстановке.

Таблица 4 . Сравнение оптимальных характеристик классификатора с точки зрения точности классификации (CA) и чувствительности с добавлением просодических (P), кепстральных (C) или обеих категорий признаков .

Для дальнейшего уточнения минимального набора надежных индикаторов депрессии, особенности, которые были признаны значимыми в предыдущих разделах, были объединены поэтапно по категориям. Например, модель, основанная исключительно на временных показателях (TM), была создана первой, а другие просодические характеристики высоты тона и энергии были постепенно добавлены и протестированы на предмет улучшения. Точно так же MFCC были включены в более поздние версии. Эффекты выбора функции четко показаны в Таблице 5. Модель Наивного Байеса достигла высокого уровня точности, используя только две функции: общее время и среднее абсолютное отклонение шага, тогда как для модели kNN требовалось три: общее время, среднее абсолютное отклонение высота тона и скорость речи. Важно отметить, что реклассифицированный участник не был включен в расчеты, выполненные для данных скрытой задачи, поэтому результаты были рассчитаны для 16 участников вместо 17.

Таблица 5 . Последовательный выбор функций, ранжированный по приросту информации во время нормального поведения .

Дальнейшее изучение данных выявило некоторые интересные закономерности. Например, когда среднее абсолютное отклонение высоты звука было нанесено на график в зависимости от общего времени, оказалось, что существует общий диапазон от 16 до 22 Гц, в который попадают межкадровые отклонения высоты звука для здоровых людей (Рисунок 5).Кроме того, во время (рис. 5А) нормального поведения у многих участников с депрессией отклонения по высоте звука были заметно ниже, чем в контрольной группе, что логически подтверждалось клиническими наблюдениями. Этот паттерн несколько изменился во время (рис. 5В) скрытого поведения, хотя до такой степени, что многие депрессивные участники слишком сильно меняли свой тон, и отклонение все еще не находилось в пределах «нормального» диапазона.

Рис. 5. Диаграмма разброса среднего абсолютного отклонения высоты звука от общей продолжительности речи для (A) нормального поведения и (B) скрытого поведения .У большинства здоровых участников отклонения высоты тона составляли от 16 до 22 Гц, тогда как у депрессивных участников отклонения при нормальном поведении были заметно меньше. Эта тенденция несколько изменилась, когда депрессивных участников попросили скрыть свою депрессию, и многие из них упали выше этого диапазона. Реклассифицированный участник обведен синим.

Потенциальная проблема с интерпретацией рисунка 5 состоит в том, что наш экспериментальный план рассматривает только сокрытие голосового управления участниками в депрессии.Причина этого в том, что участникам, не находящимся в депрессии, не нужно казаться не депрессивными. Тем не менее, мы хотим судить, наблюдается ли повышенное отклонение в уровне депрессии также у здоровых людей из контрольной группы, если они что-то скрывают от интервьюера в аналогичных экспериментах. Для этого мы обратились к литературе по детекции лжи. Anolli и Ciceri (1997) сообщили, что у здоровых субъектов ложь приводит к большему количеству пауз и слов и либо к чрезмерному снижению вариаций тона, либо к отсутствию контроля над тоном (так что более вариативно).Таким образом, изменения тона у депрессивных субъектов следуют общему шаблону, показанному у здоровых субъектов с точки зрения тона, что некоторые люди не меняют свой тон, обманывая их. Однако общий вывод о том, что машину не обмануть, все еще остается в силе.

Аналогичная кластеризация произошла, когда среднее абсолютное отклонение высоты звука было построено против первого частотного коэффициента Mel-cepstral (Рисунок 6). Хотя трудно определить конкретную физическую величину, которую представляет первый MFCC, коэффициенты в целом используются для уникальной характеристики речевого тракта.Таким образом, эта тенденция была отмечена как интересное наблюдение, которое может быть исследовано в будущих экспериментах.

Рис. 6. Диаграмма рассеяния среднего абсолютного отклонения высоты тона от первого кепстрального коэффициента Mel-частоты для (A) нормального поведения и (B) скрытого поведения . Снова очевидна кластеризация здоровых участников в пределах определенного диапазона, и во время скрытого поведения депрессивные участники, кажется, меняют свое поведение более существенно.Реклассифицированный участник снова обведен синим.

Несколько ожидаемых клинических наблюдений были подтверждены визуально путем сопоставления некоторых из этих характеристик друг с другом. Например, на Рисунке 7 скорость артикуляции была нанесена в зависимости от общей продолжительности речи. Что свидетельствует о психомоторной отсталости, характерной для многих людей с депрессией, депрессивные участники обычно говорили медленнее, и им требовалось больше времени, чтобы произнести то же фонетическое содержание.

Рисунок 7. Диаграмма рассеяния скорости артикуляции от общего времени . Депрессивные участники обычно имели более медленную артикуляцию, и им требовалось больше времени, чтобы произнести то же фонетическое содержание. Также очевидна сильная линейная корреляция этих характеристик.

6. Заключение

Мы представили наши результаты исследования, посвященного автоматическому обнаружению депрессии с использованием звуковых функций в условиях взаимодействия человека с компьютером. В частности, мы решили выяснить, насколько сложно обмануть или обмануть такую ​​автоматизированную систему.В нашем исследовании с участием 17 подобранных здоровых и депрессивных участников мы обнаружили, что депрессивные участники, по-видимому, следовали предсказанной схеме более низких уровней энергии в речи. Многие из просодических и кепстральных функций, которые ранее использовались для распознавания эмоций, также оказались важными при распознавании депрессии. Однако не все особенности, которые были важны для дифференциации депрессивных и здоровых участников, были такими же, как те, которые использовались при распознавании эмоций. Эти несоответствия могут указывать на некоторую зависимость от собранных данных и методов, используемых для их получения, или, возможно, от более фундаментальных различий между эмоциями и депрессией.Одним из важных выводов нашего исследования было то, что почти все особенности, которые оказались значимыми во время скрытого поведения , были также значимы в течение нормального поведения . Это указывает на то, что может быть сложно обмануть автоматизированную систему выявления депрессии. Если это будет подтверждено дополнительными доказательствами, это открытие должно иметь большое значение для разработки надежных систем выявления депрессии или мониторинга. Вторым важным выводом нашего исследования было то, что мы достигли высокой точности классификации и распознавания депрессии, используя только простые методы машинного обучения.И k -Nearest Neighbours, и Naive Bayes достигли уровня классификации более 80% при использовании только 3 или 2 наиболее важных характеристик соответственно.

оказалась на удивление точной, учитывая, что использовалось очень мало функций, и оставалась высокой для скрытого поведения. Это может указывать на то, что выбранные функции являются надежными индикаторами депрессии. Однако наши результаты представлены с полным осознанием того, что при таком небольшом ограниченном размере выборки ( n = 17) результаты этого исследования не обязательно распространяются на популяцию в целом.Исследование более широких слоев населения станет частью нашей будущей работы. Кроме того, мы добавим визуальные сигналы депрессии, чтобы повысить точность наших прогнозов.

Заявление о конфликте интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

Благодарности

Работа MV, RM и JC частично финансируется NIHR-HTC «MindTech.«Кроме того, часть работы MV финансируется Horizon Digital Economy Research, грант RCUK EP / G065802 / 1. Часть работы RM финансируется Национальным институтом сотрудничества в области медицинских исследований для лидерства в прикладных медицинских исследованиях и уходе (NIHR CLAHRC) Ист-Мидлендс.

Сноски

Список литературы

Альговинем, С., Гёке, Р., Вагнер, М., Эппс, Дж., Брейкспир, М., и Паркер, Г. (2013). «Обнаружение депрессии: сравнение спонтанной и прочитанной речи», Международная конференция IEEE 2013 г. по акустике, речи и обработке сигналов (ICASSP) (Ванкувер, Британская Колумбия: IEEE), 7547–7551.

Google Scholar

Альторфер А., Йоссен С., Вурмле О., Касерманн М. Л., Фоппа К. и Циммерманн Х. (2000). Измерение и значение движений головы в повседневном общении лицом к лицу. Behav. Res. Методы Instrum. Comput. 32, 17–32. DOI: 10.3758 / BF03200785

Pubmed Аннотация | Pubmed Полный текст | CrossRef Полный текст | Google Scholar

Anolli, L., and Ciceri, R. (1997). Голос обмана: вокальные стратегии наивных и способных лжецов. J. Nonverb. Behav. 4, 259–284. DOI: 10.1023 / A: 10244403

CrossRef Полный текст | Google Scholar

Американская психиатрическая ассоциация (2000 г.). Диагностическое и статистическое руководство по психическим расстройствам DSM-IV-TR, четвертое издание . Вашингтон, округ Колумбия: American Psychiatric Publishing, Inc.

Google Scholar

Бек А. Т., Уорд К., Мендельсон М., Мок Дж. И Эрбоу Дж. (1961). Инвентаризация депрессии Бека (BDI). Arch. Gen. Psychiatry 4, 561–571. DOI: 10.1001 / archpsyc.1961.01710120031004

CrossRef Полный текст | Google Scholar

Брукс, М. (1997). Voicebox: набор инструментов обработки речи для MatLab . Технический отчет, Имперский колледж, Лондон.

Google Scholar

Кэмерон, И. М., Карди, А., Кроуфорд, Дж. Р., дю Туа, С. В., Хэй, С., Лоутон, К. и др. (2011). Измерение тяжести депрессии в общей практике: дискриминационные характеристики PHQ-9, HADS-D и BDI-II. руб. J. Gen. Pract. 61, e419 – e426. DOI: 10.3399 / bjgp11X583209

Pubmed Аннотация | Pubmed Полный текст | CrossRef Полный текст | Google Scholar

Канниццаро ​​М., Харел Б., Рейли Н., Чаппелл П. и Снайдер П. Дж. (2004). Голосовое акустическое измерение степени серьезности депрессии. Brain Cogn. 56, 30–35. DOI: 10.1016 / j.bandc.2004.05.003

Pubmed Аннотация | Pubmed Полный текст | CrossRef Полный текст | Google Scholar

Чанг, К.-ЧАС. (2012). Методики анализа речи для ненавязчивого мониторинга психического здоровья . Кандидат наук. защитил диссертацию на кафедре EECS Калифорнийского университета в Беркли.

Google Scholar

Камминс, Н., Эппс, Дж., Сету, В., Брейкспир, М., и Гёке, Р. (2013). «Моделирование спектральной изменчивости для классификации депрессивной речи», 14-я ежегодная конференция Международной ассоциации речевой коммуникации Interspeech . Лион, 857–861.

Google Scholar

ДеПауло, Б. М., Линдси, Дж. Дж., Мэлоун, Б. Э., Мюленбрук, Л., Чарльтон, К., и Купер, Х. (2003). Подсказки к обману. Psychol. Бык. 129, 74. DOI: 10.1037 / 0033-2909.129.1.74

CrossRef Полный текст | Google Scholar

Diez-Quevedo, C., Rangil, T., Sanchez-Planell, L., Kroenke, K., and Spitzer, R.L. (2001). Проверка и полезность анкеты о состоянии здоровья пациента при диагностике психических расстройств у 1003 испанских стационарных пациентов больниц общего профиля. Психосом. Med. 63, 679–686. DOI: 10.1097 / 00006842-200107000-00021

Pubmed Аннотация | Pubmed Полный текст | CrossRef Полный текст | Google Scholar

Франция, Д. Дж., Шиави, Р. Г., Сильверман, С., Сильверман, М., и Уилкс, Д. М. (2000). Акустические свойства речи как индикаторы депрессии и суицидального риска. IEEE Trans. Биомед. Англ. 47, 829–837. DOI: 10.1109 / 10.846676

Pubmed Аннотация | Pubmed Полный текст | CrossRef Полный текст | Google Scholar

Жирар, Ж. М., Кон, Дж. Ф., Махур, М. Х., Мавадати, С. М., Хаммал, З., и Розенвальд, Д. П. (2013). Невербальная социальная изоляция при депрессии: данные ручного и автоматического анализа. Изображение Vis. Comput. 32, 641–647.

Pubmed Аннотация | Pubmed Полный текст | Google Scholar

Греден, Дж. Ф., Альбала, А., Смоклер, И., Гарднер, Р., и Кэрролл, Б. (1981). Время речевой паузы: маркер задержки психомоторного развития у эндогенных депрессивных людей. Biol. Психиатрия 16, 851–859.

Pubmed Аннотация | Pubmed Полный текст | Google Scholar

Гросс, Дж. Дж., И Муньос, Р. Ф. (1995). Регулирование эмоций и психическое здоровье. Clin. Psychol. Sci. Практик. 2, 151–164.

Google Scholar

Гийон И. и Элиссефф А. (2003). Введение в выбор переменных и функций. J. Mach. Учить. Res. 3, 1157–1182.

Google Scholar

Харгривз, В. А., и Старквезер, Дж. А. (1964). Качество голоса меняется при депрессии. Lang. Речь 7, 84–88.

Google Scholar

Хармон-Джонс, Э., Амодио, Д. М., и Зиннер, Л. Р. (2007). «Социально-психологические методы выявления эмоций», в Справочнике по выявлению и оценке эмоций , ред. Дж. А. Коан и Дж. Дж. Б. Аллен (Нью-Йорк: Oxford University Press), 91–105.

Google Scholar

Харрис, П. Л., Джонсон, К.Н., Хаттон Д., Эндрюс Г. и Кук Т. (1989). Теория разума и эмоций детей младшего возраста. Cogn. Эмот. 3, 379–400. DOI: 10.1080 / 026999382713

CrossRef Полный текст | Google Scholar

Главное управление здравоохранения и защиты прав потребителей. (2005). Улучшение психического здоровья населения: на пути к стратегии психического здоровья для Европейского Союза . Технический отчет. Брюссель: Европейский Союз.

Google Scholar

Главное управление здравоохранения и защиты прав потребителей. (2008). Психическое здоровье в ЕС . Технический отчет, Европейский Союз.

Google Scholar

Хепнер, К. А., Хантер, С. Б., Эделен, М. О., Чжоу, А. Дж., И Уоткинс, К. (2009). Сравнение двух показателей депрессивной симптоматики у клиентов стационарного лечения наркозависимости. J. Subst. Жестокое обращение. 37, 318–325. DOI: 10.1016 / j.jsat.2009.03.005

Pubmed Аннотация | Pubmed Полный текст | CrossRef Полный текст | Google Scholar

Хинчлифф, М.К., Ланкашир, М., и Робертс, Ф. (1971). Депрессия: защитные механизмы речи. руб. J. Psychiatry 118, 471–472. DOI: 10.1192 / bjp.118.545.471

CrossRef Полный текст | Google Scholar

Hirabayashi, H., Koshii, K., Uno, K., Ohgaki, H., Nakasone, Y., Fujisawa, T., et al. (1990). Изменения эпителия гортани в результате курения и употребления алкоголя. Auris Nasus Larynx 17, 105–114. DOI: 10.1016 / S0385-8146 (12) 80192-1

Pubmed Аннотация | Pubmed Полный текст | CrossRef Полный текст | Google Scholar

Хорвиц, Р. , Quatieri, T. F., Helfer, B. S., Yu, B., Williamson, J. R., and Mundt, J. (2013). «Об относительной важности источника голоса, системы и просодии в человеческой депрессии», в Body Sensor Networks (BSN), 2013 IEEE International Conference on (Cambridge, MA: IEEE), 1–6.

Google Scholar

Илиу, Т., и Анагностопулос, К.-Н. (2010). Классификация по распознаванию речевых эмоций — сравнительное исследование. Внутр. J. Adv. Life Sci. 2, 18–28.

Google Scholar

Инсель, Т.Р. (2008). Оценка экономических издержек тяжелого психического заболевания. Am. J. Psychiatry 165, 663–665. DOI: 10.1176 / appi.ajp.2008.08030366

CrossRef Полный текст | Google Scholar

Джайн А. и Зонгкер Д. (1997). Выбор функций: оценка, применение и выполнение небольших выборок. IEEE Trans. Шаблон. Анальный. Мах. Intell. 19, 153–158. DOI: 10.1109 / 34.574797

CrossRef Полный текст | Google Scholar

Кайзер, Дж. Ф. (1990). «О простом алгоритме для вычисления энергии сигнала», в ICASSP-90., 1990 Международная конференция по акустике, речи и обработке сигналов, 1990 (Альбукерке: Bell Communication Research, Inc), 381.

Google Scholar

Караш, А. (2005). Культурные различия в концептуальных моделях депрессии. Soc. Sci. Amp Med. 60, 1625–1635. DOI: 10.1016 / j.socscimed.2004.08.011

CrossRef Полный текст | Google Scholar

Кесаркар, М.П. и Рао П. (2003). Извлечение функций для распознавания речи . Отчет о кредитном семинаре, Electronic Systems Group, EE. Департамент, ИИТ, Бомбей.

Google Scholar

Кирмайер, Л. Дж. (2001). Культурные различия в клинических проявлениях депрессии и тревоги: значение для диагностики и лечения. J. Clin. Психиатрия 62, 22–30.

Pubmed Аннотация | Pubmed Полный текст | Google Scholar

Кирмайер, Л.Дж., Роббинс, Дж. М., Дворкинд, М., и Яффе, М. Дж. (1993). Соматизация и распознавание депрессии и тревоги в первичной медико-санитарной помощи. Am. J. Psychiatry 150, 734–741.

Pubmed Аннотация | Pubmed Полный текст | Google Scholar

Кроенке К. и Спитцер Р. Л. (2002). PHQ-9: новый метод диагностики и оценки степени тяжести депрессии. Психиатр. Аня. 32, 509–515. DOI: 10.3928 / 0048-5713-20020901-06

CrossRef Полный текст | Google Scholar

Кроенке, К., Спитцер, Р. Л., и Уильямс, Дж. Б. (2001). Файл phq-9. J. Gen. Intern. Med. 16, 606–613. DOI: 10.1046 / j.1525-1497.2001.016009606.x

CrossRef Полный текст | Google Scholar

Кунг, С., Аларкон, Р. Д., Уильямс, М. Д., Поппе, К. А., Джо Мур, М., и Фрай, М. А. (2013). Сравнение показателей депрессии по описанию депрессии Бека-ii (bdi-ii) и опроснику здоровья пациента (phq-9) в интегрированной практике лечения расстройств настроения. J. Affect. Disord. 145, 341–343. DOI: 10.1016 / j.jad.2012.08.017

Pubmed Аннотация | Pubmed Полный текст | CrossRef Полный текст | Google Scholar

Лемке М. Р. и Гессе А. С. (1998). Психомоторные симптомы при депрессии. Am. J. Psychiatry 155, 709–710. DOI: 10.1176 / ajp.155.5.709

CrossRef Полный текст | Google Scholar

Льюис, С. Э. (1996). Социальная конструкция депрессии: опыт, дискурс и субъективность .Кандидат наук. диссертация, Шеффилдский университет.

Google Scholar

Low, L. (2011). Выявление клинической депрессии у подростков с помощью акустического анализа речи . Кандидат наук. кандидатская диссертация, Университет РМИТ.

Google Scholar

Лоу, Л.-С., Мэддэдж, М., Лех, М., Шибер, Л., и Аллен, Н. (2010). «Влияние акустических дескрипторов низкого уровня на выявление клинической депрессии у подростков», в Международная конференция IEEE 2010 г. по акустической обработке речи и сигналов (ICASSP) (Даллас, Техас: IEEE), 5154–5157.

Google Scholar

Low, L.-S. А., Мэддэдж, Н. К., Лех, М., Шибер, Л., и Аллен, Н. (2009a). «Обнаружение клинической депрессии у подростков на основе содержания», Труды Европейской конференции по обработке сигналов , (Германия: Европейская ассоциация обработки сигналов, речи и изображений (EURASIP)), 2362–2365.

Google Scholar

Лоу, Л.-С., Мэддэдж, М., Лех, М., и Аллен, Н. (2009b). «Кепстральная характеристика Mel-частоты и гауссовские смеси для моделирования клинической депрессии у подростков», 8-я Международная конференция IEEE по когнитивной информатике, 2009 г.ICCI’09 (Коулун: IEEE), 346–350.

Google Scholar

Майер, Дж. Д., и Саловей, П. (1995). Эмоциональный интеллект, построение и регулирование чувств. Заявл. Предотвращать. Psychol. 4, 197–208. DOI: 10.1016 / S0962-1849 (05) 80058-7

CrossRef Полный текст | Google Scholar

Миллер П. и Сперри Л. Л. (1987). «Социализация гнева и агрессии», в Merrill-Palmer Quarterly (Детройт: Wayne State University Press), 1–31.

Google Scholar

Мур, Э., Клементс, М., Пайфер, Дж., И Вайссер, Л. (2003). «Анализ просодических вариаций речи при клинической депрессии», Engineering in Medicine and Biology Society, 2003. Труды 25-й ежегодной международной конференции IEEE , Vol. 3 (Канкун: IEEE), 2925–2928.

Google Scholar

Мур, Э., Клементс, М., Пайфер, Дж., И Вайссер, Л. (2004). «Сравнение объективных статистических характеристик речи для классификации клинической депрессии» в журнале « Engineering in Medicine and Biology Society», 2004 г.IEMBS’04. 26-я ежегодная международная конференция IEEE , Vol. 1 (Сан-Франциско, Калифорния: IEEE), 17–20.

Google Scholar

Мур Э., Клементс М. А., Пайфер Дж. У. и Вайссер Л. (2008). Критический анализ влияния особенностей голосовой щели на классификацию клинической депрессии в речи. IEEE Trans. Биомед. Англ. 55, 96–107. DOI: 10.1109 / TBME.2007.2

Pubmed Аннотация | Pubmed Полный текст | CrossRef Полный текст | Google Scholar

Мундт, Дж.К., Снайдер П. Дж., Канниццаро ​​М. С., Чаппи К. и Геральтс Д. С. (2007). Голосовые акустические измерения тяжести депрессии и реакции на лечение, собранные с помощью технологии интерактивного голосового ответа (IVR). J. Нейролингвистика 20, 50–64. DOI: 10.1016 / j.jneuroling.2006.04.001

Pubmed Аннотация | Pubmed Полный текст | CrossRef Полный текст | Google Scholar

Ньюман С. и Мазер В. Г. (1938). Анализ разговорной речи пациентов с аффективными расстройствами. Am. J. Psychiatry 94, 913–942. DOI: 10.1176 / ajp.94.4.913

CrossRef Полный текст | Google Scholar

Оппенгейм, А. В., и Шафер, Р. В. (2004). От частоты к количеству: история кепстра. Сигнальный процесс IEEE. Mag. 21, 95–106. DOI: 10.1109 / MSP.2004.1328092

CrossRef Полный текст | Google Scholar

Оствальд, П. Ф. (1963). Звуковое сопровождение. Акустическая коммуникация эмоций .Сан-Франциско, Калифорния: Чарльз С. Томас.

Google Scholar

Куигли, К. К. С., Линдквист, К. А., и Барретт, Л. Ф. (2014). Вызывание и измерение эмоций и аффектов: советы, уловки и секреты . Издательство Кембриджского университета.

Google Scholar

Роулинг, Дж. К. (1999). Гарри Поттер и узник Азкабана . Нью-Йорк, Нью-Йорк: Книги Артура А. Левина.

Google Scholar

Сано, А.и Пикард Р. У. (2013). «Распознавание стресса с помощью носимых датчиков и мобильных телефонов», на конференции Humane Association Conference по эффективным вычислениям и интеллектуальному взаимодействию . Женева. 671–676.

Google Scholar

Саймон Г. Э., Фон Корфф М., Пиччинелли М., Фуллертон К. и Ормель Дж. (1999). Международное исследование связи между соматическими симптомами и депрессией. N Engl. J. Med. 341, 1329–1335.

Pubmed Аннотация | Pubmed Полный текст | Google Scholar

Стурим, Д.Э., Торрес-Карраскильо, П. А., Кутьери, Т. Ф., Малиска, Н., и МакКри, А. (2011). «Автоматическое обнаружение депрессии в речи с использованием моделирования смеси Гаусса с факторным анализом», в Interspeech 2011 , 2981–2984.

Google Scholar

Сабади Э. и Брэдшоу К. (1983). Время паузы речи: поведенческий коррелят настроения. Am. J. Psychiatry 140, 265–265. DOI: 10.1176 / ajp.140.2.265b

CrossRef Полный текст | Google Scholar

Тигер, Х.(1980). Некоторые наблюдения о ротовом потоке воздуха при фонации. IEEE Trans. Акуст. 28, 599–601. DOI: 10.1109 / TASSP.1980.1163453

CrossRef Полный текст | Google Scholar

Тигер, Х., Тигер, С. (1990). «Доказательства нелинейных механизмов звукообразования в речевом тракте», в Speech Production and Speech Modeling , ред. W. J. Hardcastle и A. Marchal (Нидерланды: Springer), 241–261.

Google Scholar

Тигер, Х.М. и Тигер С. М. (1985). «Феноменологическая модель образования гласных в речевом тракте», в Speech Science: Recent Advances , ed. Р. Г. Данилофф (Сан-Диего, Калифорния: College-Hill Press), 73–109.

Google Scholar

Министерство здравоохранения и социальных служб США. (1999). Психическое здоровье: отчет главного хирурга . Технический отчет, Центр психиатрических услуг, Управление наркологической и психиатрической помощи, Центр психиатрических услуг, Национальные институты здоровья, Национальный институт психического здоровья, Бетесда.

Google Scholar

Валстар, М. (2014). «Автоматическое понимание поведения в медицине», в Proceedings ACM Int’l Conf. Мультимодальное взаимодействие . Стамбул.

Google Scholar

Валстар М., Шуллер Б., Смит К., Алмаев Т., Эйбен Ф., Краевски Дж. И др. (2014). «Avec 2014–3d проблема распознавания аффекта и депрессии», в Международный семинар ACM по Audio / Visual Emotion Challenge .Орландо, Флорида.

Google Scholar

Валстар М., Шуллер Б., Смит К., Эйбен Ф., Цзян Б., Билахия С. и др. (2013). «Avec 2013 — непрерывное аудио / визуальное распознавание эмоций и депрессии», в Proc. 3-й международный семинар ACM по Audio / Visual Emotion Challenge . Барселона. 3–10.

Google Scholar

Винчиарелли А., Пантик М., Хейлен Д., Пелашо К., Поджи И., Д’ерикко Ф. и др.(2012). Преодоление разрыва между социальным животным и асоциальной машиной: обзор обработки социальных сигналов. IEEE Trans. Оказывать воздействие. Comput. 3, 69–87. DOI: 10.1109 / T-AFFC.2011.27

CrossRef Полный текст | Google Scholar

Вайнтрауб В. и Аронсон Х. (1967). Применение вербального анализа поведения к изучению механизмов психологической защиты. iv: речевой паттерн, связанный с депрессивным поведением. J. Nerv. Ment. Дис. 144, 22–28.DOI: 10.1097 / 00005053-196701000-00005

CrossRef Полный текст | Google Scholar

Уильямсон, Дж. Р., Кутьери, Т. Ф., Хелфер, Б. С., Чиккарелли, Г., и Мехта, Д. Д. (2014). «Вокальные и лицевые биомаркеры депрессии, основанные на моторной несогласованности и времени», в материалах Труды 4-го Международного семинара ACM по аудиовизуальным проблемам эмоций (Орландо, Флорида: ACM).

Google Scholar

Уильямсон, Дж. Р., Кутьери, Т.Ф., Хелфер Б. С., Хорвиц Р., Ю Б. и Мехта Д. Д. (2013). «Голосовые биомаркеры депрессии, основанные на нарушении координации движений», в Труды 3-го Международного семинара ACM по Audio / Visual Emotion Challenge (Нью-Йорк, Нью-Йорк: AVEC ’13), 41–48.

Google Scholar

Янг, Ю., Фэйрбэрн, К., Кон, Дж. Ф. (2013). Определение степени депрессии по вокальной просодии. IEEE Trans Affect Comput 4, 142–150. DOI: 10.1109 / T-AFFC.2012.38

CrossRef Полный текст | Google Scholar

Yingthawornsuk, T.(2007). Акустический анализ характеристик вокального выхода для оценки суицидального риска . Кандидат наук. защитил диссертацию в Университете Вандербильта. Нэшвилл, Теннесси.

Google Scholar

Депрессия: оценка и диагностика — Portico

Ключевые моменты

• Депрессия должна оцениваться как легкая, умеренная или тяжелая, в зависимости от степени и воздействия симптомов, а также уровня функциональных нарушений или инвалидности, которые они вызывают. Эта оценка определит, какой уровень лечения начать.
• Диагностическое и статистическое руководство по психическим расстройствам Критерии (DSM IV-TR или DSM-5) используются для постановки официального диагноза.

Оценка

Депрессия должна оцениваться как легкая, умеренная или тяжелая, в зависимости от степени и воздействия симптомов, а также уровня функционального нарушения или инвалидности, которое она вызывает.

Посмотрите видео интервью по оценке депрессии .

Оценка депрессии должна:

• включать в себя полный анамнез и обследование, в том числе обследование психического статуса ( Загрузите pdf-файл обследования психического статуса.)
• изучить функциональные, межличностные и социальные проблемы
• взять психиатрический анамнез, который документирует прошлые эпизоды депрессии или повышения настроения, реакцию на предыдущее лечение и наличие сопутствующих психических состояний
• оценить безопасность клиента и риск для других. Суицидальные намерения следует регулярно проверять.
• получить анамнез третьей стороны от членов семьи или других лиц, осуществляющих уход, если клиент дает согласие и это уместно.

Диагноз

Критерии DSM-IV-TR для большого депрессивного эпизода

A.Пять (или более) из следующих симптомов присутствовали в течение того же двухнедельного периода и представляют собой изменение по сравнению с предыдущим функционированием; по крайней мере, одним из симптомов является либо (1) подавленное настроение, либо (2) потеря интереса или удовольствия.

Примечание. Не включайте симптомы, которые явно связаны с общим заболеванием, бредом или галлюцинациями, несовместимыми с настроением.

1. подавленное настроение большую часть дня, почти каждый день, на что указывает либо субъективный отчет (например, чувство грусти или опустошенности), либо наблюдение, сделанное другими (например,г., кажется слезливым). Примечание: у детей и подростков может быть раздражительное настроение
2. заметно снижение интереса или удовольствия от всех или почти всех видов деятельности большую часть дня, почти каждый день (на что указывает либо субъективное мнение, либо наблюдения других)
3. значительный потеря веса при отказе от диеты или увеличение веса (например, изменение массы тела более чем на 5% за месяц) или снижение или увеличение аппетита почти каждый день. Примечание: у детей учитывайте неспособность добиться ожидаемого увеличения веса
4. бессонница или гиперсомния почти каждый день
5. психомоторное возбуждение или заторможенность почти каждый день (наблюдаемые другими, а не просто субъективное чувство беспокойства или замедления)
6. усталость или потеря энергии почти каждый день
7. чувство никчемности или чрезмерной или неуместной вины (которая может быть бредовой) почти каждый день (не просто самоубийство или вина из-за болезни)
8. снижение способности думать или концентрироваться, или нерешительность, почти каждый день (субъективно или по наблюдениям других)
9. повторяющиеся мысли о смерти (не только страх смерти), повторяющиеся суицидальные мысли без определенного плана, или попытка самоубийства, или конкретный план совершения самоубийства.

B. Симптомы не соответствуют критериям смешанного эпизода.

C. Симптомы вызывают клинически значимое расстройство или нарушение в социальной, профессиональной или других важных сферах жизнедеятельности.

D. Симптомы не связаны с прямыми физиологическими эффектами вещества (например, наркотическое средство, лекарство) или общим заболеванием (например, гипотиреоз).

E. Симптомы не лучше объяснять тяжелой утратой, т. Е. После потери близкого человека симптомы сохраняются более 2 месяцев или характеризуются выраженным функциональным нарушением, болезненной озабоченностью своей никчемностью, суицидальными идеями, психотическими симптомами. , или психомоторная отсталость.

Перепечатано с разрешения Справочника по диагностике и статистике психических расстройств (4-е изд., Редакция текста). Copyright 2000 Американская психиатрическая ассоциация.

Сводка доказательств

Американская психиатрическая ассоциация. (2000). Диагностическое и статистическое руководство по психическим расстройствам (4-е изд., Текс. Ред.). Вашингтон, округ Колумбия: Автор.

Американская психиатрическая ассоциация. (2013). Диагностическое и статистическое руководство по психическим расстройствам (5-е изд.). Вашингтон, округ Колумбия: Автор.

Кеннеди, С.Х., Лам, Р.В., Парих, С.В., Паттен, С.Б. И Равиндран, А. (2009). Канадская сеть по лечению настроения и тревожности (CANMAT). Клинические рекомендации по ведению большого депрессивного расстройства у взрослых. Журнал аффективных расстройств, 117 (Приложение 1). S44–53.

Лам Р.В. (2011). В D. Goldbloom & J. Davine (Eds.), Psychiatry in Primary Care: A Concise Canadian Pocket Guide (стр. 13–26). Торонто, Онтарио: Центр наркологии и психического здоровья.

Национальный институт здравоохранения и передового опыта. (2009). Депрессия у взрослых: лечение и управление депрессией у взрослых (Клиническое руководство 90). Лондон, Великобритания: Автор.

Психометрическая оценка скринингового вопроса на стойкое депрессивное расстройство | BMC Psychiatry

Выявление депрессии — скрининг и оценка

Скрининг

Поскольку легкая депрессия является обычным явлением среди пожилых людей, находящихся в больнице, важно провести обследование при поступлении или сразу после стабилизации острого состояния пациента. В то же время важно провести скрининг когнитивных нарушений, который поможет нам исключить другие возможные причины, такие как делирий, который можно лечить, или слабоумие.Этот процесс известен как дифференциальная диагностика.

При обследовании пожилых людей на депрессию вовлекайте их семьи и лиц, осуществляющих уход, поскольку они могут распознать изменения в нормальном образе мышления и реакции пожилых людей и могут определить ранние признаки депрессии в больнице. Важно понимать, что депрессия и одиночество тесно связаны.

Инструменты для скрининга депрессии или одиночества пожилых людей

Это инструмент для выявления депрессии у когнитивно неповрежденных пожилых людей.Он доступен на английском и других языках.

Этот инструмент рассчитан на человек с деменцией человека. Он включает в себя как информатор, так и интервью с пациентом. Многие вопросы для интервью с пациентом можно заполнить, наблюдая за пациентом. Около 20 процентов людей с деменцией страдают умеренной или тяжелой депрессией; необходимо рассмотреть оба условия, если они присутствуют. Инструкции и демонстрация доступны в Интернете.

Оценка

Комплексная оценка психического здоровья включает индивидуальное интервью, анамнез пациента и оценку риска суицида. Для диагностики депрессии могут потребоваться следующие ^{1, 2, 3} :

• медицинский осмотр и лабораторные исследования для выявления любого основного состояния, которое может вызывать симптомы, таких как делирий, анемия или проблемы с щитовидной железой
• история болезни, анализ и согласование лекарств для выявления побочных эффектов лекарств, которые могут вызывать симптомы.
• интервью по клиническому и / или психическому здоровью относительно:
  • количество, тяжесть и продолжительность симптомов, включая риск самоубийства или причинения вреда из-за пренебрежения и связанную с этим инвалидность
  • любые серьезные изменения в жизни, которые могли вызвать депрессию; расстройства настроения в прошлом и в семейном анамнезе, успешное и неудачное лечение в прошлом, а также наличие социальной поддержки.

В оценке могут также участвовать семьи и опекунов, особенно если у пациента есть когнитивные нарушения.

После того, как мы выявили проблемы, мы должны рассмотреть меры вмешательства и обсудить с лечащей бригадой, выиграет ли пациент от направления к медицинскому специалисту для завершения дифференциального диагноза.

Многие больницы имеют доступ к службам клинической психологии или психиатрии для пожилых людей, чтобы подтвердить диагноз, а также определить продолжительность и влияние депрессивных симптомов пациента на их повседневное функционирование.Степень обесценения является ключом к разработке наиболее подходящего плана управления и лечения ² .

1. Томас А., Депрессия у пожилых людей. , в Оксфордском учебнике психиатрии пожилого возраста , Т. Денинг и А. Томас, редакторы. 2013, Oxford University Press: Оксфорд, Великобритания. п. 545-569.

2. Национальный институт здоровья и клинического совершенства, Депрессия у взрослых: лечение и лечение депрессии у взрослых , 2009.

3. Штат Квинсленд (Queensland Health), Queensland Mind Essentials: документы по охране психического здоровья. , 2010 г.

Точно ли ультракороткие скрининговые инструменты выявляют депрессию в учреждениях первичной медико-санитарной помощи?

Реферат

Предпосылки Руководство Национального института здравоохранения и клинического мастерства рекомендует один или два вопроса в качестве возможного метода скрининга депрессии. Ультракороткие (одно-, двух-, трех- или четырехкомпонентные) тесты привлекательны благодаря простоте проведения, но их точность не установлена.

Цель Определить, точно ли ультракороткие скрининговые инструменты выявляют депрессию в первичной медико-санитарной помощи.

Дизайн исследования Объединенный анализ и мета-анализ.

Метод Поиск в литературе выявил 75 возможных исследований, из которых в анализ были включены 22 исследования, соответствующие стандарту STARD (Стандарты отчетности по диагностической точности) с использованием ультракоротких тестов.

Результаты Мета-анализ показал, что точность производительности выше вероятности ( P <0.001). Для клиницистов, что более полезно, объединенный анализ тестов с одним вопросом показал общую чувствительность 32,0% и специфичность 97,0% (положительная прогностическая ценность [PPV] составляла 55,6%, а отрицательная прогностическая ценность [NPV] составляла 92,3%). Для тестов с двумя и тремя пунктами общая чувствительность объединенного анализа составила 73,7%, а специфичность - 74,7% с PPV только 38,3%, но объединенным NPV 93,0%. Индекс Юдена для тестов с одним и несколькими элементами составил 0,289 и 0,47 соответственно, что свидетельствует о превосходстве тестов с несколькими элементами.Повторный анализ, исследующий только стратегии «либо, либо», улучшил способность «правила в» тестов с двумя и тремя вопросами (чувствительность 79,4% и NPV 94,7%), но за счет возможности исключить возможный диагноз, если результат был отрицательным.

Заключение Тест с одним вопросом выявляет только трех из каждых 10 пациентов с депрессией, получающих первичную медико-санитарную помощь, что неприемлемо, если полагаться только на него. Ультракороткие тесты с двумя или тремя вопросами работают лучше, выявляя восемь из 10 случаев.Это происходит за счет высокого уровня ложноположительных результатов (только четыре из 10 случаев с положительной оценкой фактически являются депрессивными). Ультракороткие тесты, по-видимому, в лучшем случае являются методом исключения диагноза и должны использоваться только при наличии достаточных ресурсов для второй стадии оценки тех, кто дал положительный результат скрининга.

ВВЕДЕНИЕ

Примерно 7% консультаций в первичной медико-санитарной помощи относятся к депрессивному расстройству. Депрессия — третья по частоте причина обращения за консультацией.1 ^, 2 В одном большом опросе 90% врачей общей практики заявили, что пациентам с депрессией требуется гораздо больше времени, чем пациентам с другими расстройствами.3

Хотя большой депрессии уделяется наибольшее внимание, более легкие формы депрессии, включая симптомы депрессии недостаточны для подтверждения синдромального диагноза, встречаются по крайней мере так же часто и также связаны с низким качеством жизни4. Многие публикации обращают внимание на низкие показатели выявления депрессии в первичном звене медицинской помощи. Даже мотивированные врачи обычно достигают истинно положительного показателя распознавания случая (только чувствительность клинического выявления) от 36 до 56%.5 ^— 8 Клиницисты лучше исключают недепрессивные случаи, достигая истинно отрицательной специфичности, не относящейся к конкретному случаю, приближающейся к 90% .7 Препятствия на пути правильного выявления связаны с пациентами и клиницистами.9 Пациенты часто не осознают свою болезнь как депрессии, и они могут не раскрывать психосоциальные проблемы незнакомому практикующему врачу.10 Исследования показывают, что пациенты обращаются с соматическими (физическими жалобами) в 70–80% случаев.11 ^— 13 Кроме того, многие пациенты предпочитают медицинское лечение, а не психиатрическое объяснение.14 ^, 15

Врачи должны учитывать множество возможных диагнозов во время коротких посещений, в среднем продолжительностью 8–20 минут, и поддерживать ожидания высокой производительности.16 ^, 17 Врачи общей практики могут иметь низкий индекс подозрения на депрессию, особенно если пациенты с при депрессии не упоминаются некоторые ключевые психологические «знаковые» симптомы.3 ^, 18 ^, 19 Другие предикторы непризнания включают менее тяжелую, не повторяющуюся депрессию, 3 ^, 20 ^— 22 и относительно низкие контакт с пациентами.23 ^, 24

Одним из возможных решений, одобренных в недавних национальных руководствах Великобритании и США, является использование подходящего инструмента для скрининга.25 ^, 26 Это поднимает два важных вопроса. Во-первых, работают ли скрининговые тесты на депрессию правильно, и, во-вторых, практичен ли инструмент скрининга в первичной медико-санитарной помощи? Ряд стандартизированных диагностических инструментов с надежными психометрическими характеристиками был разработан и утвержден в первичной медико-санитарной помощи27. Данные 18 исследований с использованием девяти различных инструментов показали, что общая чувствительность составляет 84%, а специфичность — 72%.28 Однако на заполнение этих анкет обычно уходит более 5 минут.

Для повышения приемлемости был разработан ряд инструментов, содержащих менее 15 элементов и время выполнения менее 5 минут. Примеры включают Анкету по индексу благополучия Всемирной организации здравоохранения (ВОЗ) из 5 пунктов (ВОЗ-5) и Анкету здоровья пациента из 9 пунктов (PHQ). При тестировании положительная прогностическая ценность этих инструментов оказалась скромной, а статус инструментов неопределенным.29 В клинической практике даже эти короткие анкеты обычно не используются в первичной или вторичной помощи.30 Это привело к разработке ультракоротких анкет, состоящих из трех, двух или даже одного вопроса для выявления. Возможно, наиболее известным примером является PHQ-2.

Национальный институт здравоохранения и клинического совершенства (NICE) выпустил руководство по ведению униполярной депрессии в первичной и вторичной медико-санитарной помощи26. Оно включает рекомендацию по скринингу для групп риска и предполагает, что будет достаточно двух простых скрининговых вопросов.Это вопросы PHQ-2, а именно: «В течение последнего месяца вас часто беспокоило чувство подавленности, депрессии или безнадежности?»; и «В течение последнего месяца вас часто беспокоило то, что вы мало интересовались или не получали удовольствия от занятий?». NICE не привел никаких конкретных доказательств; Таким образом, цель исследования заключалась в проверке диагностической достоверности этих двух и других вопросов, которые использовались для скрининга депрессии.

МЕТОД

Определения

См. Вставку 1, где приведены определения инструментов для просеивания по длине.

Вставка 1. Определения просеивающих инструментов по длине.

• ▸ Ультракороткими инструментами скрининга назывались инструменты с 1–4 заданиями, для выполнения которых требуется менее 2 минут.

• ▸ Краткие инструменты проверки были определены как инструменты с 5–14 заданиями, на выполнение которых требуется от 2 до 5 минут.

• ▸ Стандартные инструменты досмотра были определены как инструменты с 15 или более элементами, для выполнения которых требуется более 5 минут.

Поиск

Были проведены систематический поиск литературы, критическая оценка собранных исследований, а также мета-анализ и объединенный анализ.

Как это согласуется с

Национальный институт здравоохранения и клинического совершенства (NICE) рекомендует использовать одно- и двухкомпонентные скрининговые инструменты на депрессию, но достоверность таких кратких методов не установлена. Тесты по одному пункту пропускают более половины (70%) пациентов с депрессией, что является недопустимой долей. Двухэлементные тесты работают значительно лучше, но с большим количеством ложных срабатываний. Одно- и двухэлементные тесты могут использоваться как метод исключения, но клиницисты, полагающиеся на сверхкороткие скрининговые инструменты, должны следить за теми, у кого изначально положительный результат скрининга, более точным методом выявления случаев.

Был проведен поиск в следующих абстрактных базах данных. Medline 1966 – июнь 2006 г., PsycINFO 1887 – июнь 2006 г., EMBASE 1980 – июнь 2006 г. и CINAHL 1982 – июнь 2006 г. В этих базах данных был произведен поиск по следующим ключевым словам (термины MeSH): ‘депрессия $ или настроение’ и ‘скрининг или обнаружение или диагностировать или распознавать «и» кратко или кратко, или 1 элемент, или один элемент, или один вопрос, или два элемента, или два вопроса, или три элемента, или три вопроса, или анкету о состоянии здоровья пациента ». Был проведен поиск по ряду полных текстовых коллекций, включая Science Direct, Ingenta Select, Ovid Full text и Wiley Interscience.В этих онлайн-базах данных использовались те же условия поиска, но в качестве полнотекстового поиска и поиска по цитатам. Был проведен поиск в абстрактной базе данных Web of Knowledge (версия 3.0, ISI) с использованием вышеуказанных терминов в качестве поиска по тексту и с использованием ключевых статей в обратном поиске по цитированию.

Критическая оценка

Были соблюдены ранее изложенные руководящие принципы обзора диагностических тестов31, и были изучены первичные исследования. Таким образом, данные были извлечены из полнотекстовой копии отчетов для проверки на соответствие критериям STARD (Стандарты отчетности по диагностической точности).Кроме того, использовались критерии шкалы Ньюкасла-Оттавы для оценки качества нерандомизированных исследований в метаанализе.32 Вопросы для каждого отчета включали настройки, целостность данных, выбор эталонного критерия, процент выбывания, метод применения скринингового опросника и тип исследуемой депрессии.

Объединенный анализ и мета-анализ

При изучении исследований ультракоротких тестов можно предвидеть ряд методологических проблем. Стратегии обнаружения, основанные только на двух вопросах, могут потребовать утвердительных ответов на один или оба вопроса, чтобы «победить» депрессию.Точно так же ответ на один вопрос или ни на один из них может исключить депрессию. Фактически, даже два простых вопроса могут использоваться с категориальным отсечением в трех вариантах (Да и Нет; Да и Да; Нет и Нет). Результативность теста будет зависеть от исходной распространенности заболевания. 33 Еще одним методологическим вопросом является описание депрессии с использованием критериального (золотого) стандарта. Депрессия может быть определена как любая депрессия по DSM-IV / ICD10 или только большая депрессия. Определение также повлияет на исходную распространенность, что имеет решающее значение при рассмотрении реальных показателей точности, а также при попытке сравнить различные исследования.Когда изучались несколько типов депрессии, проверялась валидность при большой депрессии (см. Дополнительную таблицу 1).

Было опубликовано предложение по стандартам отчетности метаанализов диагностических исследований34. Метаанализ рассчитал соотношение истинных случаев (истинно положительных плюс истинно отрицательных) к доле ложных случаев (ложноположительных плюс ложноотрицательных) на основе по необработанным данным первичных исследований. Таким образом, коэффициент 1 эквивалентен случайному обнаружению. Помимо расчета общей величины метааналитического эффекта, были выполнены тесты на «несовместимость» исследований (неоднородность) и систематическую ошибку.Statsdirect (версия 2.2.6, 2006 г.) использовался для всех анализов.

Если метаанализ показывает относительный риск правильной идентификации по сравнению с неправильной, более клинически полезный анализ достигается путем объединенного исследования первичных данных. В объединенном анализе необработанные числа из каждого исследования показывают общую точность для каждого теста и могут быть разделены на чувствительность, специфичность, положительную прогностическую ценность (PPV) и отрицательную прогностическую ценность (NPV). Также можно рассчитать суммарный индекс Юдена (чувствительность + специфичность — 1).

РЕЗУЛЬТАТЫ

Систематический поиск литературы

Поиск выявил 33 интересующих статьи из более чем 75 возможных «совпадений» (Рисунок 1). Данные включали публикации в источниках, не прошедших экспертную оценку, таких как плакаты конференций или тезисы докладов. Восемь исследований ультракоротких скрининговых тестов у медицинских пациентов или исследований исключительно в учреждениях вторичной медицинской помощи или домов престарелых были исключены.35 ^, 36 В их число вошли исследования с участием пациентов с болью в спине, 37 рассеянным склерозом, 38 инсультом, 39 ^— 41 онкологическое заболевание, 42 пациента в стационаре.Исследования визуальных аналоговых шкал не были включены (хотя ни одно из них не проводилось в первичной медико-санитарной помощи) .43 ^, 44 Было обнаружено и исключено несколько исследований коротких, но не ультракоротких тестов. После исключения обзорных статей и редакционных статей было выявлено 22 индивидуальных анализа ультракоротких диагностических тестов, представленных в 12 уникальных публикациях.45 ^— 56

Отслеживание данных исследований в рамках систематического поиска литературы.

Критическая оценка

Результаты представлены в дополнительной таблице 1.Четыре исследования не соответствовали стандарту STARD из-за неполных данных или недостаточного размера выборки.57 ^— 60 Некоторые отчеты не были полностью получены из типичных учреждений первичной медико-санитарной помощи. Whooley et al исследовали точность диагностики в клинике для ветеранов неотложной помощи.52 Lowe et a l набрали смешанную выборку первичных и медицинских амбулаторных пациентов, которую невозможно было разделить post-hoc.47 Кроме того, Osborn и соавт. обследовали когорту лиц старше 75 лет, получающих первичную медико-санитарную помощь.56

Объединенный анализ

Тесты с одним вопросом

В восьми анализах из шести публикаций были изучены тесты с одним вопросом для диагностики депрессии в первичной медико-санитарной помощи. Всего в этих исследованиях было обследовано 17 624 участника, из которых 1881 страдали депрессией с использованием стандартных критериев; исходная распространенность составляла 10,7% (диапазон от 5,0 до 36,0% [дополнительная таблица 2]). На основе объединенного анализа был правильно идентифицирован 601 из 1881 случая депрессии, что дало общую чувствительность 31.9%. Из 15 743 пациентов без депрессии 479 были ошибочно определены как депрессивные, что дает общую специфичность 96,0%. Когда точность оценивалась по соотношению положительных или отрицательных ответов, то общий PPV составлял 55,6%, а общий NPV составлял 92,3%; следовательно, индекс Юдена составил 0,289. В одном исследовании только вопрос 1 PHQ показал более высокую чувствительность и NPV52, но во втором исследовании это не было подтверждено.47 Однако в обоих этих исследованиях только вопрос PHQ 2 имел более высокую чувствительность и NPV, что позволяет предположить, что вопрос 2 может заслуживает дальнейшего изучения.

Тесты с двумя или тремя вопросами

Четырнадцать анализов из девяти публикаций были посвящены тестам с двумя или тремя вопросами для диагностики депрессии в первичной медико-санитарной помощи. Всего в этих исследованиях были обследованы 9653 участника, из которых 1700 были в депрессии с использованием стандарта критерия; исходная распространенность составляла 17,6%.

На основе объединенного анализа 1253 из 1700 случаев депрессии были правильно идентифицированы с помощью тестов с двумя или тремя вопросами, что дало общую чувствительность 73,7%, что значительно лучше, чем чувствительность по одному вопросу.Из 7953 не депрессивных случаев 2015 был ошибочно идентифицирован как депрессивный, что дало общую специфичность 74,7%, что было значительно хуже, чем чувствительность к одному вопросу 87,0%. Кроме того, общий PPV составил 38,3%, а общий NPV — 93,0%; таким образом, индекс Юдена составил 0,47, что выше, чем при использовании одного вопроса. В ходе дальнейшего анализа Arroll и др. 51 сравнили два обязательных вопроса (стратегия «И») с положительными ответами на один из двух вопросов (стратегия «либо, либо»).Они обнаружили, что требование положительных ответов на оба вопроса дает высокую PPV и специфичность за счет NPV и чувствительности. То есть стратегия «И» хорошо работает как «правило в тесте», но отрицательный ответ не может исключить значительное количество ложноотрицательных результатов. Совсем недавно Арролл и др. исследовали, может ли добавление третьего элемента («справочный вопрос») повысить производительность54. Результаты предполагают умеренное улучшение показателей PPV.

Мета-анализ

Мета-анализ продемонстрировал, что ультракороткие стратегии обладают весьма значительной способностью определять депрессию / отсутствие депрессии в первичной медико-санитарной помощи по сравнению со случайностью (рис. 2).Общая оценка эффекта (объединенный относительный риск Mantel – Haenszel, Rothman – Boice) составила 5,46 (95% доверительный интервал = 5,30–5,62; P <0,001). Тест на «несовместимость» для относительного риска (Q) составил 4529 (степень свободы = 21) P <0,001. График смещения (рис. 3) и статистика смещения Бегга – Мазумдара не указали на окончательное смещение публикации (τ Кендалла = 0,23 P ≤0,14).

Метаанализ ультракоротких скрининговых тестов на депрессию в первичной медико-санитарной помощи.

График оценки систематической ошибки 22 ультракоротких скрининговых исследований.

ОБСУЖДЕНИЕ

Краткое изложение основных выводов

Объединенный анализ показывает низкую общую чувствительность 32,0% для стратегии с одним вопросом и 73,7% для тестов с двумя и тремя пунктами. Специфичность составляет 97% для отдельных элементов и 74,7% для двух элементов. PPV составили 55,6% (тесты с одним элементом) и 38,5% (тесты с двумя и тремя пунктами; объединение исследований с использованием стратегии «И» плюс «либо или»). NPV составила 92.3% (тесты по одному пункту) и 93,0% (тесты по два и три пункта). Только в одном исследовании сообщалось об использовании только стратегии «И» со стратегиями «И» с использованием двухпозиционных тестов, имеющих низкую NPV, но высокую PPV.51 После того, как это исследование было удалено из объединенного анализа, общая чувствительность улучшилась до 1225/1543 (79,4%). ) и NPV также улучшились до 94,7%.

Таким образом, тесты с одним вопросом выявляют только трех из каждых 10 пациентов с депрессией в системе первичной медико-санитарной помощи, поэтому семь из 10 случаев останутся нераспознанными (они останутся потерянными, даже если будет применен двухэтапный скрининг).Такое исполнение неприемлемо. Ультракороткие тесты с двумя или тремя вопросами более точны, выявляя восемь из 10 случаев депрессии (два остаются нераспознанными по сравнению с полным интервью).

Однако этот приемлемый уровень чувствительности сопровождается рядом ложноположительных случаев, которые могли бы быть неправильно направлены или пролечены, если бы полагались только на эти анкеты. Более того, даже если диагноз депрессии исключен, может потребоваться дополнительное время для устранения выявленных симптомов.3 Объединенные результаты PPV для тестов с двумя и тремя пунктами показывают, что четыре из 10 участников, получивших положительный результат, действительно находятся в депрессии, а шесть из 10 — ложноположительные. Это значительно превышает частоту ложных срабатываний 1: 4, обычно генерируемую врачами общей практики без посторонней помощи.61 Учитывая недавнюю обеспокоенность по поводу чрезмерного лечения, это также маловероятно. Таким образом, для постановки диагноза клиницисту потребуется использовать метод второй стадии (например, стандартный диагностический инструмент) у пациентов, у которых результаты скрининга положительны при первом проходе.

Остается неясным, есть ли у ВОП время или желание использовать подход с использованием многоэтапного алгоритма. Существует также опасность того, что компетентные врачи могут отказаться от клинических диагностических критериев и просто полагаться на результаты скрининга в разгар формального проведения скрининга.62 ^, 63 Если эти ультракороткие вопросники, по-видимому, работают лучше всего, это исключение диагноза. . Одно-, двух- и трехпозиционные методы, по сути, хорошо работают (NPV> 90%) при исключении диагноза, если первоначальный результат отрицательный.При использовании сверхкороткого метода только у каждого десятого пациента, ответившего отрицательно, будет скрытый диагноз депрессии.

Сильные стороны и ограничения исследования

Это первое исследование, в котором систематически изучаются достоинства ультракоротких методов диагностики депрессии в первичной медико-санитарной помощи. Его выводы основаны на всестороннем поиске литературы и метаанализе очень большой объединенной выборки. Тем не менее, необходимо учитывать ограничения этого исследования. Данные были собраны из отдельных исследований в различных условиях, где распространенность варьирует в семь раз, от 5% до 54% ​​до 37%.51 В восьми из 22 сравнений в качестве стандарта критерия использовалось составное международное диагностическое интервью (CIDI).

CIDI был разработан для использования интервьюерами, не имеющими клинической квалификации, в крупных эпидемиологических исследованиях. Было обнаружено, что он имеет низкую чувствительность по сравнению с клиническими оценками депрессии.64 У значительной части пациентов с депрессией есть легкие расстройства, которые не достигают порогового числа симптомов или критериев клинической значимости, установленных в этом метаанализе.Необходима дальнейшая работа для проверки точности сводной диагностики в легких случаях. Наконец, часто присутствует физическое заболевание, особенно у пожилых пациентов с депрессией. Эффекты сопутствующих физических заболеваний здесь формально не изучались.

Сравнение с существующей литературой

В двух систематических обзорах были получены противоречивые результаты о ценности рутинного скрининга с использованием более длинных инструментов. После объединения данных рабочая группа США по профилактике поддержала скрининг.25 Однако этот результат зависел от включения одного крупного положительного исследования, в которое наряду со скринингом были включены значительные клинические ресурсы.Используя метаанализ, Gillbody и др. не рекомендовали рутинный скрининг, но их данные показали, что обратная связь от пациентов с высокими баллами была эффективна в увеличении скорости распознавания депрессии.65 В недавнем крупномасштабном рандомизированном исследовании, включающем обратную связь по результатам скрининга, выявление и показатели последующего наблюдения улучшились, по крайней мере, для тех, кто имел низкие исходные показатели распознавания.66

Значение для клинической практики

В клинической практике использование очень простой меры «исключения» будет привлекательным.Вопрос о том, в какой степени производительность отличается от обычных клинических способностей, особенно врачей общей практики, которые работают лучше, чем случайно, остается без ответа. Только одна группа попыталась сравнить результат ультракоротких анкет только с диагнозом терапевта. Arroll и др. 54 сообщили, что способность врачей общей практики устранять депрессию сравнима с одними только методами опроса; тем не менее, это исследование, по-видимому, было искажено тем, что врачам общей практики были предоставлены данные анкет. Без помощи Whooley и др. обнаружили, что врачи общей практики распознали только 8.8% депрессии, 52 но этот исключительно низкий показатель может быть связан с тем, что исследование проводилось в городской клинике для ветеранов неотложной помощи.

В большом обзоре MaGPIe (часть исследования по изучению психического здоровья и общей практики) из Новой Зеландии общий уровень выявления терапевтов составил 56,4% в выборке из 775 пациентов первичного звена 8. , Уровень распознавания GP составил 85,1%, а у пациентов с положительным результатом CIDI — 70.3% .67 Настоящие авторы предполагают, что будущие исследования скрининговых тестов должны оцениваться по способности клиницистов самостоятельно выявлять депрессию; это поможет определить добавленную стоимость инструмента помимо обычного ухода.7 ^, 68 Важный вопрос без ответа: как сравнить ультракороткие методы с короткими и долгими методами выявления случаев при использовании в одной и той же популяции? Предварительные результаты, полученные Хенкель и его коллегами, показывают, что PHQ-9, General Health Questionnaire-12 и WHO-5 могут лишь незначительно превосходить ультракороткие тесты.29

В более широком контексте эффективного лечения депрессии одного скрининга недостаточно. Это можно рассматривать как первый шаг к улучшению результатов.69 Дальнейшие шаги включают обратную связь с внешними оценками, согласованный план действий для достижения положительных результатов и комплексный план лечения, включая последующее наблюдение.70 ^, 71 Важно признать, что положительный результат обследования не означает необходимость в антидепрессантах, и большинство пациентов предпочитают альтернативные варианты, если они доступны.72 В заключение, ультракороткие скрининговые тесты могут иметь практическое значение для занятых врачей общей практики, но адекватно работают только для исключения диагноза. В условиях, когда рассматриваются ультракороткие вопросники, необходимо также разработать более длительный метод последующего выявления случаев, эффективную интерпретацию результатов и эффективные варианты лечения.73 ^, 74

Скрининг симптомов депрессии физиотерапевтами, ведущими лечение. Боль в пояснице | Физиотерапия

Аннотация

Предпосылки и цель. Депрессия — это состояние, ухудшающее прогноз боли в пояснице (LBP), которое недооценивается и не лечится в первичной медико-санитарной помощи. Целью этого исследования было оценить точность, с которой физиотерапевты проводят скрининг депрессивных симптомов у своих пациентов с LBP. Темы. В исследовании приняли участие 68 физиотерапевтов и 232 пациента с неспецифической LBP из 40 физиотерапевтических клиник. Методы. Пациенты заполнили эталонный стандарт (шкалы депрессии, тревожности, стресса [DASS]) и скрининговый тест из 2 пунктов на депрессию, взятый из процедуры первичной медицинской помощи при оценке психических расстройств (PRIME-MD).Лечащие физиотерапевты использовали шкалу от 0 до 10, чтобы судить, был ли у каждого пациента депрессия. На основе краткой шкалы депрессии по шкале депрессии, тревожности и стресса (DASS-21), каждый пациент был классифицирован как демонстрирующий нормальные, легкие, умеренные, тяжелые или чрезвычайно тяжелые симптомы депрессии, а кривые рабочих характеристик приемника (ROC) были построены для Опишите точность теста. Результаты. Скрининговый тест из 2 пунктов оказался более точным при скрининге депрессивных симптомов, чем оценки физиотерапевтов; например, при обнаружении умеренных депрессивных симптомов в 2 областях под кривой ROC значения были равны 0.66 против 0,79. Обсуждение и заключение. Поскольку терапевты не смогли точно идентифицировать симптомы депрессии, даже симптомы тяжелой депрессии, несмотря на частые проявления в их клиниках, мы рекомендуем физиотерапевтам, ведущим пациентов с LBP, использовать скрининговый тест на депрессию из 2 пунктов. Проведение этого скринингового теста улучшило бы способность физиотерапевтов выявлять симптомы депрессии и дало бы возможность направления к специалистам для соответствующего лечения.

Депрессия — распространенная и дорогостоящая проблема со здоровьем.Термин «депрессия» может относиться к состоянию настроения или заболеванию, диагностированному в соответствии с различными критериями (например, Диагностическое и статистическое руководство по психическим расстройствам [DSM-IV] ¹ ). Точечная распространенность большой депрессии у пациентов, посещаемых поставщиками первичной медико-санитарной помощи, по оценкам (в 1990 г.) составляла 17,1%, ² , а общая стоимость этого состояния оценивалась в 43 миллиарда долларов в год в Соединенных Штатах. . ²

DSM-IV ¹ классифицирует депрессию на 4 основные категории: большое депрессивное расстройство, дистимическое расстройство, расстройства адаптации и депрессивное расстройство, не указанное иначе (БДУ). Большое депрессивное расстройство характеризуется как минимум 4 из следующих симптомов: подавленное настроение, потеря интереса или удовольствия от большинства видов деятельности, изменение веса или аппетита, увеличение или уменьшение сна, повышение или снижение психомоторной активности, усталость или анергия, чувства. бесполезности или вины, снижение способности думать и повторяющиеся мысли о смерти или самоубийстве. Для постановки диагноза депрессия основные симптомы включают либо подавленное настроение, либо потерю интереса или удовольствия, которые должны были присутствовать в течение двухнедельного перерыва.

Дистимическое расстройство — это хроническая и колеблющаяся форма депрессии, характеризующаяся подавленным настроением или потерей удовольствия от занятий, а также дополнительными симптомами депрессии в течение как минимум двух лет. Симптомы дистимии недостаточны по количеству и степени тяжести для постановки диагноза большой депрессии. Расстройства адаптации — это короткие периоды депрессии в ответ на определенные события или кризисы, которые происходят в жизни человека и обычно имеют хороший прогноз. Депрессивное расстройство NOS — это категория, включающая расстройства с депрессивными особенностями, которые не соответствуют критериям большого депрессивного расстройства, дистимического расстройства или расстройства адаптации.

Наличие депрессивных симптомов у пациентов, наблюдаемых поставщиками первичной медико-санитарной помощи, часто определяется с помощью опросников, таких как Опросник депрессии Бека (BDI) ³ или Шкала депрессии, тревожности и стресса (DASS), а не посредством формальных или структурированных клинических интервью. ⁴ Хотя анкеты, такие как BDI, DASS и другие, не заменяют формального клинического интервью, они предоставляют простой, недорогой и стандартизированный метод выявления людей с депрессивными проблемами. У пациентов со стойкими болевыми ощущениями диагностика депрессии представляет особые трудности из-за общей симптоматики. ^5,6 На практике депрессия у людей, страдающих болями в спине, чаще всего определялась баллами в анкетах. Клайд и Уильямс, ⁶ , например, отметили, что большая часть таких пациентов была идентифицирована как депрессивные на этом основании.

Важная роль осмотра физиотерапевта состоит в том, чтобы исключить любые заболевания или состояния, которые могут противопоказать ведение физиотерапевта или снизить эффективность вмешательства. Оптимальный подход — использовать простой инструмент, в идеале чувствительный тест, для первоначального скрининга на состояние и дополнить его более сложным тестированием тех, кто дал положительный результат. Положительный результат скринингового прибора предупреждает клинициста о повышенной вероятности наличия состояния; однако для постановки окончательного диагноза обычно требуется дальнейшее тестирование.Это может включать дополнительные тесты, выполняемые физиотерапевтом, направление на рентгенологические или лабораторные исследования или рассмотрение другим практикующим врачом. Примером такого подхода может служить применение Оттавских правил для голеностопного сустава пациентам с острым растяжением голеностопного сустава. Поскольку этот тест имеет чувствительность почти 100%, ⁷ отрицательный тест эффективно исключает перелом, и можно безопасно начинать физиотерапевтическое вмешательство. Если тест положительный, показано направление на рентгенографию голеностопного сустава или медицинский осмотр.Дополнительное тестирование требуется, поскольку Оттавские правила для голеностопного сустава имеют низкую специфичность: положительный результат теста может быть ложноположительным.

Депрессия часто встречается у пациентов с болью в пояснице (LBP) ⁸ и связана с повышенной интенсивностью боли, повышенной физической и психосоциальной инвалидностью, увеличением употребления лекарств и повышенной вероятностью безработицы. ⁹ Хотя еще не ясно, является ли депрессия причиной или результатом LBP, ¹⁰ ясно, что наличие депрессии связано с плохими результатами. ^11,12 Соответственно, текущие рекомендации по вмешательству поощряют раннее выявление и соответствующее лечение, исходя из предпосылки, что это может привести к лучшим результатам, минимизировать финансовые затраты для человека и общества и предотвратить рецидив депрессии и LBP. ¹³ Хотя в центре внимания затрат в первую очередь лежит вмешательство, затраты, связанные с отказом от лечения депрессии, обычно игнорируются. ¹⁴ Неуправляемая депрессия — это дорогое удовольствие, которое обходится в миллиарды долларов в виде потери производительности на рабочем месте и приводит к увеличению использования медицинских ресурсов. ^15,16

Хотя сосуществование депрессии и LBP хорошо известно, многие медицинские работники не проводят рутинный скрининг своих пациентов с LBP на предмет депрессии. ¹⁷ Исследование Grevitt et al, ¹⁷ , например, показало, что немногие хирурги-спинальные хирурги используют формальные тесты на депрессию, но вместо этого полагаются на свои клинические впечатления для выявления депрессии, но эта стратегия была крайне нечувствительной: хирурги идентифицировали только 26% случаев. пациенты с депрессией. Этот вывод не единичен.Pignone et al. ² сообщили, что врачи первичной медико-санитарной помощи не смогли распознать от 35% до 50% пациентов с депрессией, что согласуется с выводом Спитцера и его коллег ¹⁸ , который врачи первичной медико-санитарной помощи не могут распознать от 50% до 75. % пациентов с общими психологическими расстройствами, включая депрессию. Данные исследования Коэна и его коллег ¹⁹ показывают, что даже когда депрессия у пациентов с болями в спине выявляется практикующими врачами, большая часть пациентов не получает какого-либо конкретного вмешательства или помощи при депрессии.

При лечении LBP физиотерапевты должны уметь выявлять пациентов с повышенной вероятностью депрессии и способствовать надлежащему ведению пациентов, направляя пациентов к практикующему врачу или клиническому психологу для окончательного диагноза и вмешательства. Хотя в литературе по физиотерапии есть упоминание о скрининге депрессии, ^20,21 некоторые основные учебники ^22–24 полностью игнорируют эту тему. Когда мы анализировали опросы физиотерапевтов по ведению LBP в Северной Америке ^25,26 и в Европе ^27,28 , не было упоминания о скрининге депрессивных симптомов как части текущей практики.

Поскольку мы не нашли исследований, которые оценивали бы способность физиотерапевтов выявлять симптомы депрессии, мы предприняли текущее исследование. Целью нашего исследования было определить, насколько точно физиотерапевты выявляли симптомы депрессии у пациентов, которых рассматривали для лечения LBP, и сравнить эту точность с точностью краткого скринингового теста из 2 пунктов для выявления симптомов депрессии. Целью исследования также было описать распространенность депрессивных симптомов в этой группе.

Метод

Участников

Мы наняли физиотерапевтов из клиник в 5 столичных регионах Сиднея, Новый Южный Уэльс, Австралия.Физиотерапевты в Австралии — это врачи первичной медико-санитарной помощи (определяемые как имеющие право полностью управлять эпизодом физиотерапевтической помощи пациенту без направления к врачу) и действуют в этом качестве более двух десятилетий. Мы выбрали физиотерапевтические клиники из телефонного справочника Сиднея 1999 года и справочника членов Австралийской ассоциации физиотерапевтов-манипуляторов (1999/2000). С клиниками связывались по телефону, а информация отправлялась в клинику по почте или факсу.Из 64 первоначально приглашенных клиник 40 согласились участвовать, а 24 клиники отказались. Причинами отказа от участия в исследовании были: нехватка времени (n = 10), физиотерапевты в этой практике уже вводили анкеты своим новым пациентам и не хотели перегружать их другими (n = 3), не интересовались ( n = 6), физиотерапевты посчитали, что вопросник и тема депрессии слишком инвазивны и потенциально могут расстроить или отпугнуть новых пациентов (n = 3), а физиотерапевты посчитали, что база пациентов в их практике неуместна (n = 2).Участвующие практики были расположены во всех районах Сиднея: северном (54%), юго-восточном (15%), юго-западном (3%), центральном (10%) и западном (18%). В клиниках было разное количество физиотерапевтов, работающих либо на полную, либо на частичную занятость. Письменное информированное согласие было получено от всех участников.

Физиотерапевтов попросили набрать последовательную серию пациентов для исследования. Пациенты имели право на участие в исследовании, если они были: старше 17 лет, обращались за физиотерапевтическим вмешательством по поводу LBP как основной проблемы, испытывали симптомы LBP с облучением нижних конечностей или без него, а также новый пациент к лечащему физиотерапевту.Пациенты с подозрением или подтвержденной серьезной патологией позвоночника (например, рак, инфекция, перелом) и пациенты, у которых было ограниченное письменное или устное понимание английского языка, были исключены из исследования. Количество неподходящих субъектов и причины неприемлемости не собирались участвующими физиотерапевтами.

В исследовании приняли участие 269 пациентов с LBP. Из этих пациентов 30 отказались от участия, а 7 дали неполные ответы. Таким образом, 232 заполненных анкеты были доступны для окончательного анализа.Демографические и клинические данные о пациентах представлены в таблице 1.