典型文献
机器学习在儿童创伤后应激障碍识别及转归预测中的应用
文献摘要：
创伤后应激障碍(PTSD)会给儿童发展带来负面效应,其影响甚至延续至成年期.然而传统诊断方式难以做到快速、客观、准确的识别和诊断儿童PTSD,机器学习作为一种处理大量变量和数据的新兴方法,逐渐被应用到儿童PTSD的早期预测、识别及辅助诊断等研究中.机器学习凭借其性能、原理等方面的优势,可被应用在儿童PTSD的识别与转归领域.相比自我报告式的诊断,通过机器学习辅助识别和诊断儿童PTSD的过程具有效率高、客观准确、节约资源等独特优势.然而,机器学习也在硬件成本、算法选择和预测准确度等方面存在局限性.未来研究人员需要进一步提高机器学习诊断识别儿童PTSD的准确率,并将机器学习算法同传统诊断方法结合进行更多的探索和应用.
文献关键词：
机器学习;创伤后应激障碍;转归预测;儿童
中图分类号：
作者姓名：
刘笑晗;陈明隆;郭静
作者机构：
北京大学公共卫生学院,北京100191
文献出处：
引用格式：
[1]刘笑晗;陈明隆;郭静-.机器学习在儿童创伤后应激障碍识别及转归预测中的应用)[J].心理科学进展,2022(04):851-862
A类：
B类：
创伤后应激障碍,障碍识别,转归预测,PTSD,儿童发展,负面效应,成年期,传统诊断,诊断方式,习作,早期预测,辅助诊断,自我报告,节约资源,硬件成本,算法选择,预测准确度,学习诊断,诊断识别,机器学习算法
AB值：
0.32178
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
