抑郁症治疗的时间序列分析

论文摘要

本研究选择ARIMA模型法和指数平滑法确定抑郁症患者的抑郁严重程度和焦虑水平的发展趋势,研究的目的是通过ARIMA模型分析来了解其动态的自相关关系,并对未来的变化进行预测。对抑郁症患者的抑郁严重度指数和焦虑水平建立VAR模型,运用Granger因果检验分析两个变量间的因果关系。对南京市脑科医院的6个抑郁症住院病人进行长达3个月的跟踪研究,有4人退出。让参与研究的患者每天对《抑郁自评量表》和《焦虑自评量表》进行自我报告,并在此之后以访谈的形式确保患者作答的真实性,通过《社会支持量表》了解患者的社会支持状况。用Eviews5.0对数据分析,主要研究结论显示:1.虽然两个患者抑郁严重度都存在明显的下降趋势,但患者相邻两天抑郁症状的波动幅度不一致。是因为患者抑郁症类型的不同所致,首发性抑郁症患者抑郁严重度的变化比较平缓,复发性抑郁症患者的病情波动更明显。2.两个患者当天抑郁严重度受前5天内病情的共同制约,前一天的抑郁严重程度对当天的影响最大,焦虑水平受之前病情的共同制约的情况存在差异。3.患者自我报告的抑郁严重度变化的近期趋势和长期趋势基本相同,然而两位患者的焦虑水平的近期变化趋势与长期发展趋势不一致。4.患者LY的抑郁严重度和焦虑水平对彼此都有预测作用,存在抑郁和焦虑共病的现象。患者ZSB只有焦虑水平对其抑郁严重度有预测作用。时间序列分析为我们理解和预测人的心理和行为提供了一个新的科学手段,同时对传统的研究抑郁症临床治疗提供了新的思路。时间序列分析的应用价值在于,确定患者抑郁和焦虑水平的变化规律,并使得对抑郁症患者症状的动态预测成为可能,有助于监控患者的病情,甚至实现患者的抑郁与焦虑之间的相互预测关系。

论文目录

• 摘要
• Abstract
• 前言
• 1.问题的提出
• 2.国内外研究现状
• 3.本研究的对象和方法
• 4.研究结论
• 5.创新与不足
• 正文
• 1 问题的提出
• 1.1 本研究背景
• 1.2 时间序列分析在抑郁症心理治疗中的意义
• 1.3 时间序列分析的相关概念
• 1.4 时间序列分析在心理治疗中的研究现状综述
• 1.4.1 国内的研究现状和趋势
• 1.4.2 国外关于抑郁症治疗的时间序列研究现状和趋势
• 2 对象与方法
• 2.1 研究对象
• 2.2 研究方法
• 2.2.1 问卷法
• 2.2.2 访谈法
• 2.3 研究工具
• 2.3.1 自评抑郁量表（Self-Rating depression Scale）
• 2.3.2 焦虑自评量表（Self-Rating Anxiety Scale）
• 2.3.3 社会支持评定量表
• 3 结果
• 3.1 抑郁症患者的抑郁和焦虑的ARIMA模型
• 3.1.1 描述性统计
• 3.1.2 抑郁严重程度的ARIMA模型
• 3.1.3 焦虑水平的ARIMA模型
• 3.2 指数平滑法研究抑郁症患者的抑郁和焦虑
• 3.2.1 抑郁严重程度的指数平滑法研究
• 3.2.2 焦虑水平的指数平滑法研究
• 3.3 抑郁症患者的抑郁严重程度和焦虑水平的关系研究
• 3.3.1 单位根检验
• 3.3.2 协整检验
• 3.3.3 建立VAR模型
• 3.3.4 格兰杰（Granger）因果检验
• 4 讨论和结论
• 4.1 抑郁症患者抑郁和焦虑症状
• 4.2 抑郁严重度指数、焦虑水平的ARIMA模型和预测
• 4.2.1 抑郁严重度指数ARIMA模型的建立和预测
• 4.2.2 焦虑水平ARIMA模型的建立和预测
• 4.3 用指数平滑法研究患者抑郁和焦虑水平的趋势拟合
• 4.4 抑郁严重程度和焦虑水平的交互影响
• 5 总结
• 5.1 研究中存在的不足
• 5.2 今后的研究方向
• 参考文献
• 附录
• 附录1
• 附录2
• 附录3
• 附录4
• 致谢