抑郁症治疗的时间序列分析

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
  • 相关论文文献

    • [1].河南省某三甲医院多药耐药菌感染率时间序列分析[J]. 中华医院感染学杂志 2020(01)
    • [2].时间序列分析课程教学中的一些难点[J]. 高等数学研究 2020(01)
    • [3].新形势下时间序列分析课程教学改革的一些实践[J]. 教育教学论坛 2020(14)
    • [4].时间序列分析建模实例[J]. 中国新通信 2020(10)
    • [5].大规模时间序列分析框架的研究与实现[J]. 计算机学报 2020(07)
    • [6].时间序列分析教学改进探究[J]. 现代农村科技 2018(04)
    • [7].“时间序列分析”课程教学模式的探索[J]. 科教文汇(中旬刊) 2017(01)
    • [8].《时间序列分析》课程教学模式的几点探讨[J]. 台州学院学报 2016(03)
    • [9].《金融时间序列分析》课程教学改革的探索[J]. 新课程研究(中旬刊) 2014(02)
    • [10].大数据环境下时间序列分析课程教学模式改革探讨[J]. 课程教育研究 2016(37)
    • [11].《金融时间序列分析》课程教学改革研究[J]. 考试周刊 2015(55)
    • [12].基于时间序列分析的学风建设研究[J]. 黑龙江教育学院学报 2019(12)
    • [13].时间序列分析在桥梁应力监测数据预警中的应用[J]. 湖南交通科技 2019(04)
    • [14].美国桑迪亚国家实验室成功开发准静态时间序列分析新模型软件[J]. 上海节能 2020(01)
    • [15].《时间序列分析》的理论基础与数据实践——浅谈本科实验教学和教学改革[J]. 经济资料译丛 2020(01)
    • [16].山西省淋病时间序列分析及自回归移动平均模型月发病趋势预测研究[J]. 中国药物与临床 2019(20)
    • [17].时间序列分析在金融中的应用[J]. 经贸实践 2017(18)
    • [18].基于灰色时间序列分析的建筑物变形预报研究[J]. 现代测绘 2016(04)
    • [19].基于时间序列分析课的教学改革探索[J]. 河南教育(高教) 2013(08)
    • [20].时间序列分析[J]. 山西冶金 2012(06)
    • [21].时间序列分析及其应用[J]. 科技创新导报 2011(27)
    • [22].时间序列分析在建筑物变形监测中的应用[J]. 勘察科学技术 2010(06)
    • [23].时间序列分析模型在图书选题上的应用研究——以图书热度为预测研究对象[J]. 出版广角 2020(03)
    • [24].时间序列分析在安康市居民消费价格指数预测中的应用[J]. 广西质量监督导报 2019(08)
    • [25].项目驱动的《时间序列分析》课程教学改革与实践[J]. 课程教育研究 2019(51)
    • [26].《时间序列分析》案例教学探讨[J]. 统计与咨询 2009(01)
    • [27].金融学专业“时间序列分析”课程教学方式的探讨与实践[J]. 科教导刊(上旬刊) 2018(01)
    • [28].中国出口贸易的时间序列分析[J]. 商业经济研究 2017(04)
    • [29].时间序列分析课程建设的几点探索[J]. 科教文汇(下旬刊) 2009(02)
    • [30].时间序列分析课程建设的探索与实践[J]. 数学学习与研究(教研版) 2009(02)

    标签:;  ;  ;  ;  

    抑郁症治疗的时间序列分析
    下载Doc文档

    猜你喜欢