IntroductionMental illness is a lea

Introduction
Mental illness is a leading cause of disability worldwide. It is estimated that nearly 300 million people suffer from depression (World Health Organization, 2001). Reports on lifetime prevalence show high variance, with 3% reported in Japan to 17% in the US. In North America, the probability of having a major depressive episode within a one year period of time is 3–5% for males and 8–10% for females (Andrade et al., 2003).
However, global provisions and services for identifying, supporting, and treating mental illness of this nature have been considered as insufficient (Detels, 2009). Although 87% of the world’s governments offer some primary care health services to tackle mental illness, 30% do not have programs, and 28% have no budget specifically identified for mental health (Detels, 2009). In fact, there is no reliable laboratory test for diagnosing most forms of mental illness; typically, the diagnosis is based on the patient’s self-reported experiences, behaviors reported by relatives or friends, and a mental status examination.
In the context of all of these challenges, we examine the potential of social media as a tool in detecting and predicting effective disorders in individuals. We focus on a common mental illness: Major Depressive Disorder or MDD1. MDD is characterized by episodes of all encompassing low mood accompanied by low self-esteem, and loss of interest or pleasure in normally enjoyable activities. It is also well-established that people suffering from MDD tend to focus their attention on unhappy and unflattering infor-mation, to interpret ambiguous information negatively, and to harbor pervasively pessimistic beliefs (Kessler et al., 2003; Rude et al., 2004).
People are increasingly using social media platforms, such as Twitter and Facebook, to share their thoughts and opinions with their contacts. Postings on these sites are made in a naturalistic setting and in the course of daily activities and happenings. As such, social media provides a means for capturing behavioral attributes that are relevant to an individual’s thinking, mood, communication, activities, and socialization. The emotion and language used in social media postings may indicate feelings of worthlessness, guilt, helplessness, and self-hatred that characterize major depression. Additionally, depression sufferers often withdraw from social situations and activities. Such changes in activity might be salient with changes in activity on social media. Also, social media might reflect changing social ties. We pursue the hypothesis that changes in language, activity, and social ties may be used jointly to con-struct statistical models to detect and even predict MDD in a fine grained manner, including ways that can complement and extend traditional approaches to diagnosis.
Our main contributions in this paper are as follows:
(1) We use crowd sourcing to collect (gold standard) assessments from several hundred Twitter users who report that they have been diagnosed with clinical MDD, using the CES-D2 (Center for Epidemiological Studies Depression Scale) screening test.(2) Based on the identified cohort, we introduce several measures and use them to quantify an individual’s social media behavior for a year in advance of their reported on-set of depression. These include measures of: user en-gagement and emotion, egocentric social graph, linguistic style, depressive language use, and mentions of antidepressant medications.
(3) We compare the behaviors of the depressed user class, and the standard user class through these measures. Our findings indicate, for instance, that individuals with depression show lowered social activity, greater negative emotion, high self attention focus, increased relational and medicinal concerns, and heightened expression of religious thoughts. Further, despite having smaller ego networks, people in the depressed class appear to belong to tightly clustered close-knit networks, and are typically highly embedded with the contacts in their ego network.
(4) We leverage the multiple types of signals obtained thus to build an MDD classifier, that can predict, ahead of MDD onset time, whether an individual is vulnerable to depression. Our models show promise in predicting out-comes with an accuracy of 70% and precision of 0.74.
We believe that this research can enable new mechanisms to identify at-risk individuals, variables related to the exacerbation of major depression, and can frame directions on guiding valuable interventions.

ผลลัพธ์ (ไทย) 1:

แนะนำทนเจ็บป่วยเป็นสาเหตุของความพิการทั่วโลก มันคือประมาณว่า เกือบ 300 ล้านคนที่ทุกข์ทรมานจากภาวะซึมเศร้า (องค์การอนามัยโลก 2001) รายงานเกี่ยวกับอายุการใช้งานชุกแสดงผลต่างสูง มีรายงานในญี่ปุ่น 17% ในสหรัฐอเมริกา 3% ในอเมริกาเหนือ ที่น่ามีตอน depressive เป็นหลักภายในระยะเวลา 1 ปีเป็น 3-5% สำหรับชายและ 8-10% สำหรับหญิง (Andrade และ al., 2003)อย่างไรก็ตาม บทบัญญัติสากลและบริการสำหรับการระบุ สนับสนุน และรักษาโรคจิตของธรรมชาตินี้ได้ถูกถือเป็นพอ (Detels, 2009) แม้ว่า 87% ของรัฐบาลโลกนำเสนอบริการดูแลสุขภาพโรคจิตเล่นงาน 30% มีโปรแกรม ก 28% มีงบประมาณไม่ได้ระบุเฉพาะสำหรับสุขภาพจิต (Detels, 2009) ในความเป็นจริง มีไม่ทดสอบห้องปฏิบัติการที่เชื่อถือได้ในการวินิจฉัยโรคจิต รูปแบบส่วนใหญ่ ปกติ การวินิจฉัยขึ้นอยู่กับประสบการณ์รายงานตนเองของผู้ป่วย รายงานพฤติกรรม โดยญาติ หรือเพื่อน และการตรวจสอบสถานะจิตในบริบทของความท้าทายเหล่านี้ทั้งหมด เราตรวจสอบศักยภาพของสังคมเป็นเครื่องมือในการตรวจสอบ และคาดการณ์โรคในบุคคลที่มีประสิทธิภาพ เราเน้นโรคจิตทั่วไป: เศร้าหรือ MDD1 MDD เป็นลักษณะ โดยตอนของ encompassing ทั้งหมดอารมณ์ต่ำตามค่า และสูญเสียผลประโยชน์หรือความสุขในกิจกรรมสนุกสนานตามปกติ ก็ดีขึ้นว่า คนที่ทุกข์ทรมานจาก MDD มักจะ เน้นความสนใจของพวกเขาไม่มีความสุข และ unflattering infor-mation การตีความข้อมูลชัดเจนในเชิงลบ และท่าความเชื่อในเชิงลบ pervasively (Kessler et al., 2003 หยาบและ al., 2004)คนมากขึ้นจะใช้แพลตฟอร์มสังคม Twitter และ Facebook ร่วมความคิดและความเห็นของพวกเขากับผู้ติดต่อของพวกเขา บนเว็บไซต์เหล่านี้จะลงในหลักสูตร ของกิจกรรมประจำวันและสถานที่ สำคัญ ในการตั้งค่าแบบ naturalistic เช่น สังคมแสดงวิธีการสำหรับการจับภาพพฤติกรรมคุณลักษณะที่เกี่ยวข้องของแต่ละความคิด อารมณ์ สื่อสาร กิจกรรม และสังคม อารมณ์และภาษาที่ใช้ในสังคมลงอาจแสดงความรู้สึกของ worthlessness ความผิด helplessness และ self-hatred ที่สำคัญภาวะซึมเศร้า นอกจากนี้ ผู้ที่ทรมานจากโรคซึมเศร้ามักจะถอนตัวออกจากสถานการณ์ทางสังคมและกิจกรรมการ เปลี่ยนแปลงในกิจกรรมอาจเด่น มีกิจกรรมในสังคม ยัง สังคมอาจสะท้อนถึงการเปลี่ยนแปลงความสัมพันธ์ทางสังคม เราไล่ตามสมมติฐานที่สามารถใช้เปลี่ยนแปลงภาษา กิจกรรม และความสัมพันธ์ทางสังคม ร่วมคอน struct รุ่นทางสถิติเพื่อตรวจสอบ และได้ทำนาย MDD อย่างดี grained รวมถึงวิธีที่สามารถเติมเต็ม และขยายวิธีดั้งเดิมในการวินิจฉัยผลงานของเราหลักในเอกสารนี้จะเป็นดังนี้:(1) เราใช้ฝูงชนจัดหารวบรวมประเมินผล (มาตรฐาน) จากหลายร้อย Twitter ผู้รายงานว่า พวกเขาได้รับการวินิจฉัยกับ MDD ทางคลินิก การใช้ทดสอบตรวจงาน CES-D2 (ศูนย์ความศึกษาภาวะซึมเศร้าระดับ) (2) เราตาม cohort ระบุ แนะนำวัดต่าง ๆ และใช้ในการกำหนดพฤติกรรมของแต่ละสังคมปริมาณปีล่วงหน้าของรายงานในชุดของ ได้แก่การประเมิน: ผู้ใช้น้ำ gagement และอารมณ์ กราฟ egocentric สังคม สไตล์ภาษาศาสตร์ ใช้ภาษา depressive และกล่าวถึงของ antidepressant ยา(3) เราเปรียบเทียบพฤติกรรมของคลาสผู้ใช้เรื่องราว และระดับผู้ใช้มาตรฐาน โดยมาตรการเหล่านี้ ผลการวิจัยของเราระบุว่า เช่น บุคคลที่ มีภาวะซึมเศร้าแสดงกิจกรรมทางสังคมที่ลดลง อารมณ์ลบมากกว่า โฟกัสความสนใจตนเองสูง เกี่ยวข้องสัมพันธ์กัน และยาเพิ่มขึ้น และการแถลงการณ์ของความคิดทางศาสนา เพิ่มเติม แม้จะมี ขนาดเล็กอาตมาเครือข่าย คนชั้นต่ำปรากฏเป็นสมาชิกของเครือข่าย close-knit คลัสเตอร์แน่น และโดยทั่วไปสูงฝังอยู่กับผู้ติดต่อในเครือข่ายของอาตมา(4) เราใช้หลายชนิดของสัญญาณล่วงหน้าเวลาที่เริ่มมีอาการ MDD ได้รับดังนั้นเพื่อสร้างการ classifier MDD ที่สามารถทำนายว่า บุคคลเสี่ยงโรคซึมเศร้า รุ่นของเราแสดงเข้ามาสัญญาในการทำนายอย่างแม่นยำ 70% และความแม่นยำของ 0.74เราเชื่อว่า งานวิจัยนี้สามารถใช้กลไกใหม่เพื่อระบุบุคคลที่มีความเสี่ยง ตัวแปรที่เกี่ยวข้องกับ exacerbation สำคัญโรคซึมเศร้า และสามารถกรอบทิศทางในการนำงานวิจัยที่มีคุณค่า

ผลลัพธ์ (ไทย) 2:

บทนำการเจ็บป่วยทางจิตเป็นสาเหตุของความพิการทั่วโลก มันเป็นที่คาดว่าเกือบ 300 ล้านคนต้องทนทุกข์ทรมานจากภาวะซึมเศร้า (องค์การอนามัยโลก, 2001) รายงานเกี่ยวกับอายุการใช้งานชุกแสดงความแปรปรวนสูงที่มี 3% รายงานในประเทศญี่ปุ่นถึง 17% ในสหรัฐอเมริกา ในทวีปอเมริกาเหนือความน่าจะเป็นของการมีเหตุการณ์เศร้าสลดที่สำคัญภายในระยะเวลาหนึ่งปีของเวลาเป็น 3-5% สำหรับเพศชายและ 8-10% สำหรับสตรี (Andrade et al., 2003).
อย่างไรก็ตามบทบัญญัติและบริการสำหรับการระบุทั่วโลก ที่ให้การสนับสนุนและการรักษาความเจ็บป่วยทางจิตในลักษณะนี้ได้รับการพิจารณาเป็นไม่เพียงพอ (Detels 2009) แม้ว่า 87% ของรัฐบาลของโลกที่นำเสนอบางส่วนดูแลหลักให้บริการด้านสุขภาพที่จะแก้ไขปัญหาความเจ็บป่วยทางจิต 30% ไม่ได้มีโปรแกรมและ 28% มีงบประมาณไม่ระบุเฉพาะสำหรับสุขภาพจิต (Detels 2009) ในความเป็นจริงไม่มีการทดสอบในห้องปฏิบัติการที่เชื่อถือได้สำหรับการวินิจฉัยรูปแบบที่สุดของความเจ็บป่วยทางจิต; โดยทั่วไปแล้วการวินิจฉัยจะขึ้นอยู่กับผู้ป่วยประสบการณ์ที่ตนเองรายงานพฤติกรรมรายงานโดยญาติหรือเพื่อนและการตรวจสอบสถานะทางจิต.
ในบริบทของความท้าทายเหล่านี้ที่เราตรวจสอบศักยภาพของสื่อทางสังคมเป็นเครื่องมือในการตรวจสอบและการคาดการณ์ที่ ความผิดปกติที่มีประสิทธิภาพในบุคคล เรามุ่งเน้นความเจ็บป่วยทางจิตที่พบบ่อย: โรคซึมเศร้าหรือ MDD1 MDD เป็นลักษณะตอนของทุกอารมณ์ต่ำครอบคลุมพร้อมด้วยความนับถือตนเองต่ำและการสูญเสียผลประโยชน์หรือความสุขในกิจกรรมที่สนุกสนานตามปกติ มันก็ยังดีที่ยอมรับว่าคนที่ทุกข์ทรมานจากโรคซึมเศร้ามีแนวโน้มที่จะมุ่งเน้นความสนใจของพวกเขาในความสุขและยกยออินฟอร์-mation, การตีความข้อมูลที่ไม่ชัดเจนในเชิงลบและไปยังท่าเรือความเชื่อในแง่ร้ายอย่างแพร่หลาย (เคสเลอร์, et al, 2003;. Rude et al, 2004. ).
คนจะมากขึ้นโดยใช้แพลตฟอร์มสื่อสังคมเช่น Twitter และ Facebook เพื่อแบ่งปันความคิดและความคิดเห็นของพวกเขาที่มีรายชื่อของพวกเขา โพสต์ในเว็บไซต์เหล่านี้จะทำในการตั้งค่าธรรมชาติและในหลักสูตรของกิจกรรมประจำวันและเหตุการณ์ เช่นสื่อสังคมให้หมายถึงการจับคุณลักษณะพฤติกรรมที่เกี่ยวข้องกับความคิดของแต่ละคนอารมณ์การสื่อสารกิจกรรมและการขัดเกลาทางสังคม อารมณ์ความรู้สึกและภาษาที่ใช้ในการโพสต์สื่อสังคมอาจบ่งบอกถึงความรู้สึกของไร้ค่าความผิดทำอะไรไม่ถูกและความเกลียดชังตัวเองที่เป็นลักษณะโรคซึมเศร้า นอกจากนี้ผู้ประสบภัยภาวะซึมเศร้ามักจะถอนตัวออกจากสถานการณ์ทางสังคมและกิจกรรม การเปลี่ยนแปลงดังกล่าวในกิจกรรมที่อาจจะสำคัญกับการเปลี่ยนแปลงในกิจกรรมสื่อสังคม นอกจากนี้สื่อสังคมอาจจะสะท้อนให้เห็นถึงการเปลี่ยนแปลงความสัมพันธ์ทางสังคม เราไล่ตามสมมติฐานที่มีการเปลี่ยนแปลงในภาษาของกิจกรรมและความสัมพันธ์ทางสังคมอาจจะใช้ร่วมกัน con-โครงสร้างแบบจำลองทางสถิติในการตรวจสอบและแม้กระทั่งการทำนาย MDD ในลักษณะเนื้อรวมทั้งวิธีการที่สามารถเติมเต็มและขยายวิธีการแบบดั้งเดิมไปสู่การวินิจฉัย.
หลักของเรา มีส่วนร่วมในงานวิจัยนี้มีดังนี้
(1) เราใช้การจัดหาฝูงชนในการเก็บรวบรวม (ทองมาตรฐาน) การประเมินจากหลายร้อยผู้ใช้ทวิตเตอร์ที่รายงานว่าพวกเขาได้รับการวินิจฉัยทางคลินิก MDD ใช้งาน CES-D2 (ศูนย์ระบาดวิทยาการศึกษาภาวะเศรษฐกิจตกต่ำขนาด ) ตรวจคัดกรอง. (2) จากการศึกษาระบุเราแนะนำมาตรการหลายอย่างและใช้พวกเขาที่จะหาจำนวนพฤติกรรมสื่อสังคมของแต่ละบุคคลสำหรับปีในความก้าวหน้าของการรายงานของพวกเขาในชุดของภาวะซึมเศร้า เหล่านี้รวมถึงมาตรการของการใช้ en-gagement และอารมณ์, กราฟทางสังคมเห็นแก่ตัวรูปแบบภาษาการใช้ภาษาซึมเศร้าและกล่าวถึงของยากล่อมประสาท.
(3) เราเปรียบเทียบพฤติกรรมของชนชั้นผู้ใช้มีความสุขและระดับผู้ใช้มาตรฐานผ่านมาตรการเหล่านี้ . ผลการวิจัยของเราระบุเช่นว่าบุคคลที่มีภาวะซึมเศร้าลดลงแสดงกิจกรรมทางสังคมอารมณ์เชิงลบมากขึ้นมุ่งเน้นความสนใจของตัวเองสูงเพิ่มความกังวลสัมพันธ์และยามีความคิดริเริ่มและการแสดงออกของความคิดทางศาสนา นอกจากนี้แม้จะมีเครือข่ายอัตตาขนาดเล็กคนที่อยู่ในระดับความสุขปรากฏอยู่ในคลัสเตอร์แน่นเครือข่ายที่มีความแน่นแฟ้นและมักจะฝังตัวสูงที่มีรายชื่อในเครือข่ายของอัตตาของพวกเขา.
(4) เราใช้ประโยชน์จากหลายชนิดของสัญญาณที่ได้รับจึง สร้างลักษณนาม MDD ที่สามารถคาดการณ์ก่อนเวลาที่เริ่มมีอาการโรคซึมเศร้าไม่ว่าจะเป็นบุคคลที่มีความเสี่ยงที่จะเกิดภาวะซึมเศร้า รุ่นของเราแสดงสัญญาในการทำนายออกมาพร้อมกับความถูกต้องของ 70% และความแม่นยำของการ 0.74.
เราเชื่อว่างานวิจัยนี้สามารถเปิดใช้งานกลไกใหม่ในการระบุตัวบุคคลที่มีความเสี่ยงตัวแปรที่เกี่ยวข้องกับการกำเริบของโรคซึมเศร้าและสามารถกรอบทิศทางใน แนวทางการแทรกแซงที่มีคุณค่า

ผลลัพธ์ (ไทย) 3:

บทนำ
ทางจิตคือสาเหตุของคนพิการทั่วโลก มันคือประมาณว่าเกือบ 300 ล้านคนทุกข์ทรมานจากภาวะซึมเศร้า ( องค์การ อนามัยโลก ปี 2001 ) รายงานชีวิตความชุกแสดงความแปรปรวนสูง มี 3 % รายงานในญี่ปุ่นถึง 17 % ในเรา ในอเมริกาเหนือความน่าจะเป็นของ มี 1 . ภาวะซึมเศร้าภายในหนึ่งปี ระยะเวลา 3 - 5 % สำหรับเพศชายและเพศหญิง ( 8 - 10 เปอร์เซ็นต์ อันดราเด้ et al . , 2003 ) .
แต่บทบัญญัติและบริการระดับโลกสำหรับการสนับสนุนและการรักษาอาการป่วยทางจิตของธรรมชาตินี้ได้ถูกถือว่าเป็นไม่เพียงพอ ( detels 2009 )ถึง 87% ของรัฐบาลโลกที่เสนอบริการสุขภาพปฐมภูมิ เพื่อแก้ไขปัญหาการเจ็บป่วยทางจิต 30% ไม่ต้องมีโปรแกรมและ 28 % ไม่มีงบประมาณที่ระบุเฉพาะเจาะจงเพื่อสุขภาพจิต ( detels , 2009 ) ในความเป็นจริง ไม่มีความน่าเชื่อถือ ห้องปฏิบัติการทดสอบสำหรับการฟอร์มส่วนใหญ่ของการเจ็บป่วยทางจิต โดยทั่วไปแล้ว การวินิจฉัยขึ้นอยู่กับประสบการณ์ self-reported คนไข้พฤติกรรมที่รายงานโดยญาติหรือเพื่อน และการตรวจสุขภาพจิต .
ในบริบทของความท้าทายเหล่านี้ เราตรวจสอบศักยภาพของสื่อทางสังคมเป็นเครื่องมือในการตรวจหาความผิดปกติ และทำนายประสิทธิภาพในแต่ละบุคคล เรามุ่งเน้นที่พบความเจ็บป่วยทางจิต : โรคซึมเศร้า หรือ mdd1 .เต็มเป็นลักษณะตอนอารมณ์พร้อมด้วยครอบคลุมทั้งหมดต่ำความนับถือตนเองต่ำและการสูญเสียผลประโยชน์หรือความสุขในกิจกรรมปกติที่สนุกสนาน นอกจากนี้ยังเป็นที่ที่คนทุกข์ทรมานจาก MDD มีแนวโน้มที่จะเน้นความสนใจของพวกเขาในความสุขและ unflattering อินฟอร์ mation เพื่อตีความข้อมูลที่ไม่ชัดเจนในทางลบและท่าเรือความเชื่อ pervasively มองโลกในแง่ร้าย ( เคสเลอร์ et al . , 2003 ; หยาบคาย et al . , 2004 ) .
คนมากขึ้นการใช้แพลตฟอร์มสื่อสังคมเช่น Twitter และ Facebook เพื่อแบ่งปันความคิดและความคิดเห็นของพวกเขากับผู้ติดต่อของพวกเขา การลงรายการบัญชีบนเว็บไซต์เหล่านี้ทำในสภาพแวดล้อมทางธรรมชาติและในหลักสูตรของกิจกรรมประจำวันที่เกิดขึ้นและ เช่นสื่อสังคมให้หมายถึงการจับลักษณะพฤติกรรมที่เกี่ยวข้องกับแต่ละบุคคลคิด , อารมณ์ , การสื่อสาร , กิจกรรม , และการขัดเกลาทางสังคม อารมณ์และการใช้ภาษาในการสื่อสังคมอาจบ่งบอกความรู้สึกของความเหลวแหลก ความรู้สึกผิด หมดหนทาง และตนเองความเกลียดชังที่มีลักษณะภาวะซึมเศร้า . นอกจากนี้ภาวะซึมเศร้า sufferers มักจะถอนตัวจากสถานการณ์ทางสังคมและกิจกรรม การเปลี่ยนแปลงดังกล่าวในกิจกรรมที่อาจจะสำคัญกับการเปลี่ยนแปลงในกิจกรรมในสื่อสังคม นอกจากนี้ สื่อสังคมอาจสะท้อนให้เห็นถึงการเปลี่ยนแปลงความสัมพันธ์ทางสังคม เราไล่ตามสมมติฐานว่า การเปลี่ยนแปลงในภาษา กิจกรรมและความสัมพันธ์ทางสังคมที่อาจจะใช้ร่วมกันเพื่อต่อต้านซอฟต์แวร์แบบจำลองทางสถิติเพื่อตรวจสอบและแม้กระทั่งทำนายเต็มในการปรับเม็ดลักษณะ รวมถึงวิธีที่สามารถเติมเต็มและขยายวิธีการแบบดั้งเดิมเพื่อการวินิจฉัย .
บริจาคหลักของเราในกระดาษมีดังนี้
( 1 ) เราใช้ฝูงชนจัดหาเพื่อรวบรวมมาตรฐาน ( ทอง ) จากการประเมินหลายร้อยผู้ใช้ Twitter ที่รายงานว่าพวกเขาได้รับการวินิจฉัยกับ MDD คลินิก โดยใช้ ces-d2 ( ศูนย์ระบาดวิทยาแบบคัดกรองภาวะซึมเศร้า ) ( 2 ) ศึกษาตามระบุ ,เราแนะนำหลายมาตรการ และใช้ปริมาณของสื่อบุคคล พฤติกรรมทางสังคมสำหรับปีล่วงหน้าของการตั้งค่าของภาวะซึมเศร้า เหล่านี้รวมถึงมาตรการของผู้ใช้ใน gagement และอารมณ์ , กราฟ , สังคมเห็นแก่ตัว ภาษา รูปแบบ การใช้ภาษา โรคซึมเศร้า และกล่าวถึงของโรคซึมเศร้าโรค .
( 3 ) เปรียบเทียบพฤติกรรมของผู้ใช้ระดับภาวะซึมเศร้า ,และมาตรฐาน ผู้ใช้ระดับผ่านมาตรการเหล่านี้ การค้นพบของเราบ่งชี้ เช่น บุคคลที่มีภาวะซึมเศร้าลดลงแสดงกิจกรรมทางสังคม มากกว่าอารมณ์ความรู้สึกเชิงลบ มุ่งความสนใจในตนเองสูง เพิ่มความกังวลสัมพันธ์และสมุนไพร และเพิ่มการแสดงออกของความคิดทางศาสนา เพิ่มเติม แม้จะมีเครือข่ายอัตตาเล็กผู้คนในชั้นเรียนหดหู่ปรากฏเป็นกระจุกแน่นสนิทถักเครือข่าย และมักจะสูงฝังตัวกับผู้ติดต่อในเครือข่ายอัตตาของพวกเขา .
( 4 ) เราใช้ประโยชน์จากหลายประเภทของสัญญาณที่ได้ ดังนั้นการสร้างแบบเต็ม ที่สามารถทำนายล่วงหน้าเริ่มเต็ม ไม่ว่าบุคคลที่เสี่ยงต่อภาวะซึมเศร้า .นางแบบของเราแสดงสัญญาทำนายออกมาด้วยความถูกต้องของ 70% และความแม่นยำของ 0.74 .
เราเชื่อว่าการวิจัยนี้สามารถเปิดใช้งานกลไกใหม่เพื่อระบุความเสี่ยงที่บุคคล ตัวแปรที่สัมพันธ์กับอาการกำเริบของโรคซึมเศร้า และกรอบทิศทางแนวทางการแทรกแซงที่มีคุณค่า