دانلود مقاله استفاده از الگوریتم های یادگیری ماشینی به منظور پیش بینی و مقایسه بهداشت روانی

چکیده 
     یکی از نگرانی های مهم در سرتاسر نقاط دنیا فراهم کردن مراقبت سلامت روان برای افرادی است که از اختلالات روانی رنج می برند. روان شناسی دیجیتال تاثیرات مثبتی زیادی در طول همه گیری ویروس کووید-19 به دنبال داشته است. برای مثال، روان شناسی دیجیتال میتواند افت سلامت روانی افراد و بروز مشکلات شدید مرتبط با بهداشت روانی را در مراحل اولیه پیش بینی و شناسایی کند. در نتیجه، در این مطالعه به دنبال شناسایی کردن افرادی هستیم که احتمال بروز مشکلات روانی در بین آن ها در طول دوران همه گیری بالاتر است. در راستای دست یابی به این هدف، در مطالعه خود برداشت های افراد مراقبه کننده راجا یوگا در مورد تاثیرات روانی دوران همه گیری و همچنین سطوح اضطراب، استرس و افسردگی آن ها را با دیگر افراد جامعه، مقایسه خواهیم کرد. علاوه براین، در این مطالعه با بهره گرفتن از الگوریتم های یادگیری ماشینی و داده نظرسنجی های آنلاین اجرا شده در بین افراد مراقبه کننده راجا یوگا و جمعیت عمومی تلاش میکنیم که اختلال های سلامت روان از جمله استرس، اضطراب و افسردگی را پیش بینی کنیم. در این مطالعه ما از الگوریتم های درخت تصمیم، جنگل تصادفی، بیز ساده، بردار پشتیبانی و همچنین الگوریتم k-نزدیک ترین همسایه برای پیش بینی کردن استفاده کردیم، زیرا این الگوریتم ها دقت بالاتری در پیش بینی اختلالات روانی به نمایش گذاشته اند. در بین این الگوریتم ها مشاهده کردیم که الگوریتم بردار پشتیبانی بالاترین دقت را برای داده ما تولید می کند. علاوه براین، الگوریتم بردار پشتیبانی بالاترین نمره F1 را نیز تولید کرده است. 

1. مقدمه 
     اختلال روانی نوعی بیماری است که قدرت شناخت، عواطف و رفتار افراد را تحت تاثیر قرار میدهد. همچنین نشان داده شده است که این اختلالات روانی اثر منفی بر روی سلامت فیزیکی افراد اعمال میکنند. امروزه افسردگی در کنار دیگر مشکلات روانی به مقدار قابل توجهی در بین گروه های مختلف جامعه رواج پیدا کرده است. تخمین زده می شود که تقریبا 450 میلیون نفر در دنیا از این اختلالات رنج می برند[1]. کودکان و نوجوانان نیز همچون بزرگسالان در معرض مشکلات مرتبط با سلامت روان قرار دارند. علاوه بر این، اختلالات روانی برای مدتی طولانی به عنوان یکی از مهم ترین و شایع ترین مشکلات بهداشت عمومی در تمام جوامع بشر، در نظر گرفته شده اند. افسردگی به عنوان یکی از عوامل مهم از کار افتادگی محسوب می شود. افسردگی همچنین می تواند احتمال اقدام به خودکشی را افزایش دهد[2]. 
     متاسفانه همه گیری ویروس کرونا موجب یک بحران روانی در سرتاسر نقاط دنیا شده است. مردم در کشورهای مختلف وابسته به شرایط خود از مشکلات عاطفی، مالی، فیزیکی و روانی رنج میبرند. در حال حاضر مشاهده می کنیم که تعداد موارد ابتلا به ویروس در موج دوم همه گیری با سرعت بیشتری رشد پیدا می کند. سیاست های منع رفع و آمد دوباره به صورت محدود در برخی نواحی اجرا شده اند. این احتمال وجود دارد که محدویت های سخت گیرانه تر در مناطقی اعمال شود که ویروس کرونا در آنجا بیشتر شیوع پیدا کرده است. به نظر می رسد که مقامات بهداشتی اثرات روانی همه گیری کرونا را نادیده گرفته اند. ما در راستای کنترل کردن این بحران روانی باید به دنبال فراهم کردن مداخله های درمانی مناسب برای گروه های مختلف جامعه به ویژه کارکنان بهداشتی باشیم [3]. کمیسیون ملی بهداشت چین در تاریخ 27 ژانویه سال 2020 توصیه هایی در مورد مداخله های درمانی فوری برای بحران روانی در دوران همه گیری، منتشر کرد [4]. هدف از این توصیه ها ارائه خدمات حمایتی بهداشت روان برای بیماران و همچنین کارکنان سیستم های مراقبت بهداشتی بوده است. این خدمات توسط کارشناسان آموزش دیده در حوزه بهداشت روانی فراهم خواهند شد. ما در صورتی می توانیم در طول این بحران درمان های روانی رایگان برای مردم در پلتفرم های مختلف فراهم کنیم که یک انقلاب دیجیتال در حوزه بهداشت روان رخ دهد [5]. بنابراین، ما برای روبرو شدن با بحران ناشی از همه گیری کووید-19 باید مقاومت مردم در مقابل استرس را افزایش دهیم. برای دست یابی به این هدف باید استراتژی هایی در راستای تقویت سطح مقاومت تمام گروه های جامعه، طراحی کنیم [6]. ما در راستای مدیریت کردن اضطراب و پرورش روحیه مقاومت در بین مردم در طول دوران بحران همه گیری می توانیم راهکارهای مقابله ای از جمله مداخله های درمانی مبتنی بر مقاربه ، ارائه کنیم [7]. چنین راهکارهایی می توانند به تقویت سطح تحمل، افزایش حمایت اجتماعی، پرورش روابط متقابل بین افراد جامعه و همچنین تعریف مجدد اهداف و اقدامات، کمک کنند. 

 5. نتیجه گیری 
     با توجه به آنکه بیشتر جمعیت دنیا در دوره پس از همه گیری کرونا به علائم استرس مبتلا شدند، ما به یک رویکرد مناسب برای پیش بینی کردن و جلوگیری از اختلالات روانی نیاز داریم. مقامات بهداشتی در صورتی که به ابزارهای ضروری برای تشخیص اولیه مشکلات بهداشت روان دسترسی داشته باشند، تشخیص صحیح و زودهنگام بیماران امکان پذیر خواهد شد. در این مقاله بهداشت روانی افراد مراقبه کننده راجایاگا با دیگر افراد جامعه مقایسه شده است. همان طور که در نتایج مشاهده کردیم، مداخله های درمانی مبتنی بر مراقبه می تواند افراد را در مقابل اثرات همه گیری مقاوم کند. ما با کمک الگوریتم های یادگیری ماشینی توانستیم اختلال های روانی را بر اساس یک مقیاس شدت چند نمره ای، پیش بینی کنیم. هدف این مطالعه طراحی ابزاری برای تشخیص زودهنگام علائم و ریسک فاکتورهای بیماری در راستای پیش گیری از اختلالات روانی در جمعیت عمومی بوده است. در مطالعات آینده می توان از شاخص های پیش بینی کننده دقیق تری برای تحلیل علائم اولیه در جمعیت های عمومی، استفاده کرد. 

Abstract

     Issues of providing mental health support to people with emerging or current mental health disorders are becoming a significant concern throughout the world. One of the biggest effects of digital psychiatry during COVID-19 is its capacity for early identification and forecasting of a person's mental health decline resulting in chronic mental health issues. Therefore, through this study aims at addressing the hological problems by identifying people who are more likely to acquire mental health issues induced by COVID-19 epidemic. To achieve this goal, this study includes 1) Rajyoga practitioners' perceptions of psychological effects, levels of anxiety, stress, and depression are compared to those of the non practitioners 2) Predictions of mental health disorders such as stress, anxiety and depression using machine learning algorithms using the online survey data collected from Rajyoga meditators and general the population. Decision tree, random forest, naive bayeBayespport vector machine and K nearest neighbor algorithms were used for the prediction as they have been shown to be more accurate for predicting psychological disorders. The support vector machine showed the highest accuracy among all other algorithms. The f1 score was also the highest for support vector machine.

1. Introduction

     Mental illness is a form of sickness that affects a person's cognition, emotions, and behavior and is proven to have an impact on physical health. Depression, among other mental health difficulties, is extremely common nowadays, with an estimated 450 million individuals suffering from them [1]. Children and adolescents, like adults, are vulnerable to mental health problems. In addition, mental illnesses have long been one of the most significant and pervasive public health problems. One of the most prevalent causes of disability is depression. It may increase the risk of suicide thoughts and attempts [2].

     The Corona virus pandemic has also resulted in a psychological crisis throughout the world. The people are suffering on emotional, financial, physical, and mental levels depending on the circumstances. The ongoing surge during the second wave is more rapid. Limited lockdowns have again been imposed in some areas and the threat of a more stringent lockdown looms large over the areas that are worst affected. The psychological effects of the pandemic are being ignored by the concerned health officials. Delivering psychologies therapies interventions to different societal groups, especially healthcare workers, is a must to curb the psychological crisis [3]. The National Health Commission of China released recommendations on emergency psychological crisis intervention on January 27, 2020 [4], for the provision of trained professionals' mental health support services to patients and healthcare personnel. For individuals to have access to free mental health treatments across many platforms during this mental health crisis, there has to be a digital mental health revolution [5]. Thus, resilience to stress is must for facing the crisispost COVID-19 pandemic and the strategies to enhance resilience among all sections of society is the need of the hourtoday [6]. To manage distress and cultivate resilience in the prevailing crisis, coping strategies such as meditation interventions should be provided [7]. These strategies help build tolerance, increase social support, develop human interconnectedness, and help redefining goals and actions.

5. Conclusion

     Given that the majority of the worldly population is exhibiting stress-related symptoms post COVID-19, the suggested approach for predicting and preventing mental health issues is crucial. Health officials can identify patients more promptly and correctly if they have the necessary conditions for early prediction and prevention of mental health issues. In this paper, psychological health of Rajyoga meditators was compared with that of non-meditators. As seen in the study, the Rajyoga meditation intervention proved to be a promising tool to make the meditators more resilient towards the pandemic as compared to the non-meditators. Five separate severity degrees of mental health disorders were determined with the use of machine learning algorithms to devise the prediction of early warning indicators and risk factors for prevention of mental health issues of global population. The future studies may include the acquisition of more trustworthy objective predictors for analyzing early warning risks in vulnerable population

(جهت بزرگ نمایی روی عکس کلیک نمایید)

Gender
Marital Status
Employment
Suffered Covid Symptoms
Contact with Covid person
Travel History
Age
Experience of Meditation

چکیده 
1. مقدمه 
2. سیستم های پیش بینی مبتنی بر یادگیری ماشینی 
1.2 پیش بینی بیماری 
2.2  پیش بینی سلامت روانی 
3. روش شناسی 
4. نتایج 
1.4 مشخصات جمعیتی مراقبه کننده های راجا یوگا 
2.4  مشخصات جمعیتی غیر مراقبه کننده ها 
4.3 مقایسه بهزیستی روانشناختی مراقبه‌گران راجیوگا و جمعیت عمومی
4.4 مقایسه با مطالعات گذشته 
4.5  کاربرد الگوریتم های یادگیری ماشینی 
 5. نتیجه گیری 
منابع

Abstract
1.    Introduction
2.    Machine learning based prediction systems
2.1    Disease prediction
2.2    Mental health prediction
3.    Methodology
4.    Results
4.1    Demographic characteristics of Rajyoga meditators
4.2    Demographic characteristics of non-meditators
4.3    Comparison of psychological well-being of Rajyoga meditators and general population
4.4    Comparison with previous studies
4.5    Application of machine learning algorithms
5.    Conclusion
Acknowledgements
Reference

این محصول شامل پاورپوینت ترجمه نیز می باشد که پس از خرید قابل دانلود می باشد. پاورپوینت این مقاله حاوی 22 اسلاید و 5 فصل است. در صورت نیاز به ارائه مقاله در کنفرانس یا سمینار می توان از این فایل پاورپوینت استفاده کرد.

در این محصول، به همراه ترجمه کامل متن، یک فایل ورد ترجمه خلاصه نیز ارائه شده است. متن فارسی این مقاله در 10 صفحه (1900 کلمه) خلاصه شده و در داخل بسته قرار گرفته است.

علاوه بر ترجمه مقاله، یک فایل ورد نیز به این محصول اضافه شده است که در آن متن به صورت یک پاراگراف انگلیسی و یک پاراگراف فارسی درج شده است که باعث می شود به راحتی قادر به تشخیص ترجمه هر بخش از مقاله و مطالعه آن باشید. این فایل برای یادگیری و مطالعه همزمان متن انگلیسی و فارسی بسیار مفید می باشد.

بخش مهم دیگری از این محصول لغت نامه یا اصطلاحات تخصصی می باشد که در آن تعداد 43 عبارت و اصطلاح تخصصی استفاده شده در این مقاله در یک فایل اکسل جمع آوری شده است. در این فایل اصطلاحات انگلیسی (تک کلمه ای یا چند کلمه ای) در یک ستون و ترجمه آنها در ستون دیگر درج شده است که در صورت نیاز می توان به راحتی از این عبارات استفاده کرد.