文献

J-GLOBAL ID：201902216773032082   整理番号：19A2223166

DSM-5(PCL-5)のためのPTSDチェックリストの最適短形の開発【JST・京大機械翻訳】

Developing an optimal short-form of the PTSD Checklist for DSM-5 (PCL-5)

著者 (13件)： Zuromski Kelly L. (Department of Psychology, Harvard University, Cambridge, Massachusetts) ,  Zuromski Kelly L. (Department of Health Care Policy, Harvard Medical School, Boston, Massachusetts) ,  Ustun Berk (Center for Research on Computation and Society, John A. Paulson School of Engineering and Applied Sciences, Harvard University, Cambridge, Massachusetts) ,  Hwang Irving (Department of Health Care Policy, Harvard Medical School, Boston, Massachusetts) ,  Keane Terence M. (National Center for PTSD, Behavioral Science Division, VA Boston Healthcare System, Boston, Massachusetts) ,  Keane Terence M. (Department of Psychiatry, Boston University School of Medicine, Massachusetts) ,  Marx Brian P. (National Center for PTSD, Behavioral Science Division, VA Boston Healthcare System, Boston, Massachusetts) ,  Marx Brian P. (Department of Psychiatry, Boston University School of Medicine, Massachusetts) ,  Stein Murray B. (Department of Psychiatry, University of California San Diego, La Jolla, California) ,  Stein Murray B. (Department of Family Medicine and Public Health, University of California San Diego, La Jolla, California) ,  Stein Murray B. (VA San Diego Healthcare System, San Diego, California) ,  Ursano Robert J. (Department of Psychiatry, Center for the Study of Traumatic Stress, Uniformed Services University of the Health Sciences, Bethesda, Maryland) ,  Kessler Ronald C. (Department of Health Care Policy, Harvard Medical School, Boston, Massachusetts)
資料名： Depression and Anxiety  (Depression and Anxiety)
巻： 36  号： 9  ページ： 790-800  発行年： 2019年 
JST資料番号： W1805A  ISSN： 1091-4269  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 背景:外傷後ストレス障害(PTSD)チェックリスト(PCL)のいくつかの短形が存在するが,すべては発見的方法を用いて開発された。本報告は,機械学習と従来のスケール開発法の両方を用いて,DSM-5(PCL-5)のための最適短形PCLを作成するために設計された解析の結果を提示した。【方法】短い形のスケールを,Army研究によって収集された独立データセットを用いて開発し,サービスメンバー間のリスクと耐性を評価した。異なる統計的方法(探索因子分析,段階的ロジスティック回帰,および新しい機械学習法を用いて,完全PCL-5を用いて決定された二分性PTSD診断を予測するために,1~8項目に適合する訓練データセット(n=8,917)を用いて始めた。次に,最良の短形スケールのより小さいサブセットを独立した検証サンプル(n=11,728)で評価し,複数の操作特性(曲線下面積(AUC),キャリブレーション,感度,特異性,正味利益)に基づく最適短形スケールを選択した。結果:訓練サンプルにおけるAUCsの検査と検証サンプルにおける複製は,段階的回帰により選択された4項目の整数スコア化短形スケールに焦点を当てた。検証サンプルにおけるBrierスコアは,これらのスケールの多くが同等の較正(0.015-0.032)とAUC(0.984-0.994)を有することを示した。しかし,ひとつは妥当な範囲の決定閾値を通して一貫して最も高い正味利益を有した。結論:推奨される4項目の整数スコア化短形PCL-5は,完全PCL-5のそれらと密接に平行な診断を生成し,スクリーニングに適している。Copyright 2019 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 機械学習 ,  部分集合 ,  診断 ,  血中濃度-時間曲線下面積 ,  発見的方法 ,  *チェックリスト ,  スクリーニング ,  心理テスト ,  因子分析 ,  統計的方法
準シソーラス用語： スコア化 ,  特異性 ,  訓練データ ,  ロジスティック回帰分析 ,  *外傷後ストレス障害 , 【Automatic Indexing@JST】

著者キーワード (4件)： 診断 ,  軍事要員 ,  心理テスト/心理測定 ,  外傷およびストレス関連疾患

分類 (1件)： 精神障害  (GR03000A)

タイトルに関連する用語 (5件)： DSM-5 ,  PCL ,  PTSD ,  チェックリスト ,  開発