Springer Nature 科研服务分享 http://blog.sciencenet.cn/u/SpringerNature 汇聚施普林格、Nature Portfolio、BMC、Discover、帕尔格雷夫·麦克米伦和《科学美国人》等深得信赖的品牌

博文

新刊推荐 | Nature Mental Health 最新数字化精神健康专题集锦,欢迎阅读! 精选

已有 5874 次阅读 2023-12-6 10:48 |个人分类:期刊精选|系统分类:科研笔记





期刊介绍

Nature Mental Health

(点击图片跳转浏览)

Nature Mental Health  Nature Portfolio 旗下的一本年轻期刊,旨在汇集精神疾病的基础神经生物与心理因素方面的创新研究,以及探讨公共卫生危机影响的当代研究。Nature Mental Health 以宽广的视角看待心理健康与个体健康之间的关系,心理健康不仅对个人的幸福和发展至关重要,也对家庭、社区和社会的稳定和繁荣发展起着重要的作用。

 

Nature Mental Health 是一个跨学科的综合平台,是精神卫生及相关疾病方面高质量、高影响力的多学科研究的联系纽带。与其他《自然》研究期刊一样,Nature Mental Health 的所有编辑决策均有全职专业编辑团队做出,拥有严谨和独立的编辑标准。本刊致力于推广学术研究,增加学术交流,并加强全球精神健康研究团体之间的联系。




专题集锦


6.png

本期专题集锦我们将带大家走进编辑精选的文章合集,重点介绍将数字技术应用于心理健康研究和精神病学的创新方法,如机器学习、人工智能和远程医疗。

本合集分为精神健康中的机器学习方法与应用,和拓展数字化精神与心理健康领域两大主题。

 



精神健康中的机器学习方法与应用


01 利用常规收集的临床信息预测首发精神病发作的治疗抵抗性

Predicting treatment resistance from first-episode psychosis using routinely collected clinical information

 



(点击图片跳转浏览)

论文导读:

约有四分之一的首次精神病发作(FEP)患者会发展为难治性精神分裂症,但目前尚无既定的临床实用方法可以作为基线来预测这一情况。我们旨在探索在 FEP 发作时,利用常规收集的客观生物医学预测因子,将氯氮平使用作为难治性精神分裂症的替代指标的预测潜力,并在另一个 FEP 发作患者的独立临床样本中对该模型进行外部验证。使用常规收集的临床信息(包括在 FEP 发病时采集的基于血液的生物标记物)有助于预测使用氯氮平的个体风险,在大规模预测精神病结果的工作中,应将其与症状评分等其他潜在有用信息同等对待。 


02 基于机器学习的PTSD心理治疗预测脑电图特征识别

Machine learning-based identification of a psychotherapy-predictive electroencephalographic signature in PTSD


 


(点击图片跳转浏览)

论文导读:

尽管心理治疗是目前治疗创伤后应激障碍(PTSD)最有效的方法,但其疗效对于许多患者来说仍然有限,这主要是由于该疾病存在显著的临床和神经生物学异质性。通过对大脑连接数据进行机器学习来开发治疗预测算法,可以促进我们对 PTSD 及其治疗的神经生物学机制的了解。使用低成本且易于收集的脑电图(EEG)数据,可以进一步促进此类算法针对 PTSD 患者的临床转化。本研究调查个体患者静息态脑电图连接是否可以预测 PTSD 的心理治疗结果。





拓展数字化精神与心理健康领域


01 精确行为表型作为揭示精神病理学生物学相关性的策略

Precision behavioral phenotyping as a strategy for uncovering the biological correlates of psychopathology


 


(点击图片跳转浏览)

综述导读:

在过去的几十年里,我们判定人类生物学各方面的能力得到了飞速发展,但这些技术对精神病理生物学相关性所产生的见解进展缓慢。部分原因是文献中许多研究结果的敏感性、特异性和可复制性较差,而这些结果又归因于效应量小、样本量小和统计功效不足。普遍提出的解决方案是关注大型联合研究样本。然而,显而易见的是,除非解决一个更根本的问题:目标行为表型的测量精度,否则增加样本量的影响有限。本文我们将讨论所面临的挑战,概述几条改善的道路,并提供实例来说明关键问题和潜在的解决方案。 


02 如何电子化心理健康:研究人员和从业者在心理健康背景下使用数字技术的指南

How to e-mental health: a guideline for researchers and practitioners using digital technology in the context of mental health


 


(点击图片跳转浏览)

文章导读:

尽管数字或电子心理健康服务的数量呈指数级增长,但研究和实际实施的方法指南却很少。 我们旨在促进医疗保健系统中技术创新的方法质量、证据和长期实施。该专家共识声明基于德尔菲法,概述了当前最先进的指导方针,并就电子心理健康评估和干预中最相关的主题提出了实用建议。 


03 在社交媒体上花费的时间是对青少年心理健康影响最小的因素之一:小组网络分析的初步结果

Time spent on social media among the least influential factors in adolescent mental health: preliminary results from a panel network analysis


 

(点击图片跳转浏览)

文章导读:

人们越来越关注社交媒体的使用在增加青少年心理健康问题中所起的作用。然而,目前的证据仍然复杂且不确定。虽然对这一领域的研究不断增加,但社交媒体的使用对青少年心理健康和发展复杂系统的影响仍有待检验。本研究采用小组网络分析的方法,探讨了社交媒体对英国 12041 名青少年的心理健康、幸福和社会生活等关键互动系统的作用。然而,在当前网络中包含的因素中,社交媒体的使用是对青少年心理健康影响最小的因素之一,其他因素(例如欺凌、缺乏家庭支持和学业不满)表现出更强的关联。


04 重新设计神经技术:将患者放在第一位

Reengineering neurotechnology: placing patients first


 


(点击图片跳转浏览)

文章导读:

测量和调节大脑活动的神经技术尚未广泛应用于临床。为了加速向患者护理的转化,我们提出了神经技术研究的三项战略调整——考虑范围、可扩展性和利益相关者。


欢迎单击此处查看所有文章!


《自然》及其系列期刊的OA发表选项

《自然》及《自然》系列研究期刊均为作者提供OA发表选项,点击此处查看Nature PortfolioOA资助、政策和更多OA期刊选择。

点击此处了解期刊详情,我们诚挚欢迎您的投稿!

 




https://blog.sciencenet.cn/blog-3432244-1412680.html

上一篇:开启你的OA期刊发表之旅 |《开放获取完全手册》
下一篇:首份《中国开放数据白皮书》正式发布
收藏 IP: 126.143.55.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-12-24 10:20

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部