《Frontiers in Psychology》:Identification of transdiagnostic phenomena among patients, the general population, relatives, and mental health professionals using topic modeling techniques
编辑推荐:
本研究旨在识别和分析跨诊断远端因素(distal factors)、心理过程(psychological processes)及症状(symptoms)。研究人员采用主题建模技术——一种无监督机器学习(unsupervised machine learning
本研究旨在识别和分析跨诊断远端因素(distal factors)、心理过程(psychological processes)及症状(symptoms)。研究人员采用主题建模技术——一种无监督机器学习(unsupervised machine learning)技术,具体属于自然语言处理(Natural Language Processing, NLP)领域——通过分析叙述文本来自动提取潜在主题,从而识别植根于患者生活经验的心理模式。研究招募了四组参与者:精神障碍患者(N=445)、普通人群(N=570)、精神障碍患者亲属(N=354)以及精神卫生专业人员(N=131)。参与者回答开放式问题,探讨心理痛苦的成因、期望改变的方面以及既往心理治疗经验。研究共识别出258个主题,并将其组织为12个上位主题。最突出的主题涉及情绪与心理困难、家庭与社会关系、以及治疗过程。各主题在不同诊断类别中表现出可比的普遍性,支持了这些现象的跨诊断性质。研究结论表明,主题建模能有效识别来自多样化叙述文本中的跨诊断远端因素、心理过程和症状,为跨诊断视角的相关性和有效性提供了一种新的支持途径。
本研究发表于《Frontiers in Psychology》,旨在探索精神病理学中涉及的跨诊断症状、过程及远端因素,并验证这些因素在不同诊断类别中的一致性。研究背景源于传统精神障碍分类诊断体系的局限性:国际疾病分类(ICD)与精神障碍诊断与统计手册(DSM)所采用的类别化方法假定各障碍具有本质性的病理基础,但至今未找到特异性的生物学标志物,且患者常呈现非特异性症状,共病现象极为普遍。Kinderman(2005)提出的跨诊断模型为此提供了理论框架,该模型区分了远端因素(生物、社会、情境因素)、中介心理过程(如情绪调节)以及心理症状(如抑郁、幻觉)三个层次。在此基础上,研究领域标准(Research Domain Criteria, RDoC)、Vancappel等提出的跨诊断心理技能训练方案,以及Wade等归纳的38项心理过程,均试图整合跨诊断视角,但面临概念冗余、列表冗长等挑战。自然语言处理技术通过分析词汇使用模式检测概念重叠,为减少冗余、提炼核心跨诊断现象提供了新工具。此外,既往人工智能在精神卫生领域的应用集中于疾病检测与早期诊断,尚缺乏针对跨诊断心理过程的探索。
本研究的数据来源于四个样本队列:大学医院精神科门诊患者(回顾性数据,N=445)、通过社交媒体和受试者招募平台募集的普通人群(N=570)、精神障碍患者亲属(N=354)以及精神卫生专业人员(N=131,通过社交媒体和专业邮件列表募集)。所有参与者均为18岁以上法语流利者。
技术方法方面,研究人员采用BERTopic方法进行自动化主题建模分析。该流程包括:使用spaCy库进行文本预处理(小写转换、去除标点、停用词过滤、词形还原);利用SentenceTransformers中的distiluse-base-multilingual-cased-v1模型进行文本向量化;通过UMAP(Uniform Manifold Approximation and Projection,统一流形逼近与投影)进行降维;运用HDBSCAN(Hierarchical Density-Based Spatial Clustering of Applications with Noise,层次密度聚类算法)进行主题聚类,该无监督步骤自动确定聚类数量,无需预先设定,最终通过C
v连贯性得分、轮廓系数[S(i)]以及Davies-Bouldin(DB)指数评估并选择最优主题配置。每个开放式问题在每个样本中独立提取主题,以保持解释的准确性。对于每个识别出的主题,研究人员应用c-TF-IDF(class-based TF-IDF)提取代表性关键词,并通过GPT-4.0生成可读性标签及简明摘要,再由主要研究者审核完善。随后,258个主题被GPT-4.0自动归类为16个子主题及12个上位主题,研究人员再根据Kinderman(2005)模型将其标注为心理症状、心理过程或远端因素。最后,研究人员采用重复测量方差分析(repeated-measures ANOVA)检验各主题在不同诊断组中的分布差异,以η
2评估效应量。
研究结果部分,自动主题分析共识别258个主题,归类为12个上位主题,涵盖以下方面:
**情绪与心理困难**:包括焦虑/应激、抑郁/情绪问题及其他情绪挑战。参与者持续报告对社交情境、政治事务和人际关系的恐惧,频繁提及抑郁、自我贬低和精力低下,以及愤怒、怀旧、内疚等情绪。
**家庭与社会关系**:参与者强调了孤独感在精神卫生中的普遍性以及支持的重要性,描述了家庭紧张关系和冲突如何导致情绪困扰。
**治疗过程**:参与者描述了治疗目标如情绪调节、人际技能和自我理解,同时报告了寻求精神卫生专业人员的困难,并强调与专业人员开展治疗工作的必要性。
**创伤、哀伤与生活事件负担**:参与者报告了暴力、分离和丧失的影响。
**自我认同与动机不足**:个体挣扎于低自尊和缺乏动机,许多人表达了改变、个人成长和更大自主性的愿望。
**工作与学业压力**:专业人员的工作相关压力和学生群体的学业压力被突出强调。
**环境挑战**:参与者报告了财务、社会因素和身体健康状况对福祉的影响。
**行为困难**:如成瘾和进食障碍等问题。
**存在与身份认同探问**:两个主题涉及参与者对日常生活意义的反思。
各主题的跨诊断分布方面,描述性分析显示,行为与身体健康、对更美好未来的期望、情绪与心理困难、家庭与社会关系、治疗过程、创伤与哀伤等主题在各诊断中呈现可比的普遍性。其他主题虽普遍存在,但存在变异:行为问题在成瘾障碍参与者中更常见;存在与身份相关问题在进食障碍参与者中更频繁;工作与学业压力在双相障碍参与者中较少见。推断性统计方面,诊断主效应(F=1.51, p=0.13, η
2<0.01)、主题主效应(F=1.80, p=0.08, η
2<0.01)以及交互效应(F=1.28, p=0.06, η
2<0.01)均未达显著水平,表明不同诊断组对各主题的归属程度无显著差异,所有主题在各诊断组中均有类似呈现。
讨论部分,研究人员首先回顾了与Kinderman(2005)模型一致的发现:远端因素方面,参与者提及创伤经历(如暴力、欺凌)、丧亲、环境压力(财务困难、身体健康问题、时间或资源匮乏)以及工作或学业压力,这些与既往元分析结果一致。心理过程方面,自我感知和动机的作用被识别,包括自尊、自信和负性自我评价,这与强调自尊跨障碍重要性的研究相符;治疗机制相关主题中还出现了情绪调节、认知图式和依恋困难,与情绪失调在多种心理问题中作用的研究一致。跨诊断症状方面,参与者频繁描述的情绪困难包括焦虑、抑郁、低落心境、愤怒等,与Barlow将多数心理障碍理解为情绪失调形式的概念化以及Goldberg和Hillier关于情绪困扰广泛存在于多种临床条件中的观点相符;行为问题如成瘾或进食障碍也在各样本中被提及。
研究的主要发现是远端因素、心理过程和症状在大多数诊断中以可比比例出现,这支持了Kinderman(2005)模型的合理性。与以往主要关注跨诊断过程的研究不同,本研究表明症状和远端因素同样具有跨诊断共享性,其中一些因素如关系困难此前受到关注有限,值得深入探索。方法学层面,该研究展示了基于人工智能的技术分析心理学数据的可能性,为定性研究提供了处理大量叙述文本的新途径。
研究局限性包括:依赖自我报告数据,参与者需对心理机制有一定觉察才能准确描述;样本不平衡,普通人群比例较大;叙述文本往往简短,半结构化访谈将提供 richer 数据;临床样本的问题设置略有不同(回顾性数据),诊断类别较宽泛;自然语言处理存在内在局限,依赖词汇频率统计,无法完全捕捉叙述意义(如隐喻可能产生人为的词汇关联);使用GPT-4.0进行主题分类和描述可能受到批评,未来研究应与人工程序进行比较。
研究结论部分翻译如下:本研究有两个主要目标。第一,遵循Kinderman(2005)的总体概念化,探索精神病理学中可能涉及的现象,包括远端因素(生物、情境和社会因素)、近端因素(心理过程)以及症状学。第二,使用新的数据分析和自然语言处理工具,加强不同诊断涉及相似症状、过程和远端因素的观点。研究招募了四个样本:患者提供生活经验的第一手叙述,亲属贡献人际动态的洞见,临床专业人员带来专业视角,普通人群成员提供规范性参照点。共收集了1500份回答。
参与者回应了探讨多种可产生心理痛苦现象(如情绪、思维、社会情境)的开放式问题。研究人员使用自然语言处理和基于人工智能的分析提取回答中的主要主题。共识别出258个主题,组织为12个上位主题。最突出的主题涉及情绪与心理困难(如焦虑、回避、抑郁)、家庭与社会关系(如孤立、缺乏支持)以及治疗过程(如认知重构、情绪调节训练)。
研究人员考察了不同主题和子主题在各种诊断中的普遍性。总体而言,未发现任何单一主题与特定诊断唯一关联。主题分布通常跨越多个诊断类别。
未来研究应通过增加主题提取算法的多样性、分析更长的叙述片段(如半结构化访谈获得的文本)来复制本研究。此外,应开发定量测量工具以评估本研究识别的不同现象,并比较其在各精神障碍中的普遍性。未来研究还应考虑使用自然语言处理创建决策支持系统,帮助临床人员基于叙述和文本信息评估和检测患者呈现的心理现象。