Actigraphic Assessment of Psychomotor Patterns Associated with the Schizophrenia and Bipolar Spectra

Előnézet	Szöveg (Disszertáció) Download (975kB) | Előnézet
Előnézet	Szöveg (Tézisfüzet) Download (427kB) | Előnézet
Előnézet	Szöveg (Tézisfüzet) Download (389kB) | Előnézet
Előnézet	Szöveg (Kapcsolódó saját publikációk) Download (5MB) | Előnézet
Előnézet	Szöveg (Kapcsolódó saját publikációk) Download (3MB) | Előnézet

Magyar nyelvű absztrakt

A pszichomotoros működés eltérései a major pszichiátriai zavarok fontos tüneti dimenzióját képezhetik. Az aktigráfia lehetővé teszi a motoros aktivitás és a pihenés–aktivitási ritmus objektív, természetes környezetben történő vizsgálatát. A disszertáció célja a szkizofrénia- és bipoláris spektrumhoz kapcsolódó pszichomotoros mintázatok vizsgálata volt részletes aktigráfiás jellemzőkinyerés és gépi tanulási módszerek alkalmazásával. A disszertáció két keresztmetszeti vizsgálaton alapul. Az első vizsgálatban pszichiátriai diagnózissal nem rendelkező, ciklotím temperamentummal (CFG) vagy pozitív szkizotípiás vonásokkal (PSF) jellemezhető személyek aktigráfiás profilját vizsgáltuk kontrollszemélyekhez viszonyítva. A második vizsgálatban két független adatbázis felhasználásával a PSF-csoport, illetve a krónikus szkizofréniával élő személyek (CS) saját kontrollcsoportjukhoz viszonyított modellmintázatait elemeztük. A részletes aktigráfiás jellemzők kombinációjára épülő modellek az egyszerű aktivitásmutatóknál pontosabban különítették el a vizsgált pszichometriai csoportokat a kontrolloktól. A CFG-csoportban a pihenési időszak aktivitása, a napi aktivitás szerveződése és az éjszakai mozgások jellemzői bizonyultak meghatározónak. A PSF-csoportban mindkét vizsgálatban elsősorban az alvás alatti mozgások finom időbeli és amplitúdóbeli jellemzői járultak hozzá a klasszifikációhoz. Krónikus szkizofréniában az éjszakai mozgások mellett a nappali aktivitás és a pihenés–aktivitási ritmus mutatóinak szélesebb köre is szerepet kapott. Eredményeink azt mutatják, hogy a részletes aktigráfiás jellemzőkinyerés és a gépi tanulás a hagyományos aktivitásmutatókon túlmutató pszichomotoros mintázatok feltárását teszi lehetővé.

Absztrakt (kivonat) idegen nyelven

Psychomotor alterations may represent an important symptom dimension of major psychiatric disorders. Actigraphy enables the objective assessment of motor activity and rest–activity rhythms in naturalistic settings. The aim of this dissertation was to investigate psychomotor patterns associated with the schizophrenia and bipolar spectra using detailed actigraphic feature extraction and machine learning methods. The dissertation is based on two cross-sectional studies. In the first study, we examined the actigraphic profiles of individuals without a psychiatric diagnosis who were characterised by cyclothymic temperament (CFG) or positive schizotypal traits (PSF), compared with controls. In the second study, using two independent databases, we analysed the model patterns of the PSF group and individuals with chronic schizophrenia (CS), each relative to their respective control group. Models based on combinations of detailed actigraphic features distinguished the psychometric groups from controls more accurately than models based on simple activity measures. In the CFG group, activity during the rest period, the organisation of daily activity, and characteristics of nocturnal movements emerged as important features. In the PSF group, fine temporal and amplitude-based characteristics of movements during sleep contributed primarily to classification in both studies. In chronic schizophrenia, a broader range of daytime activity and rest–activity rhythm measures contributed alongside nocturnal movement features. Our findings demonstrate that detailed actigraphic feature extraction combined with machine learning enables the identification of psychomotor patterns beyond those captured by conventional activity measures.

Tétel nézet