XiaoMi-AI文件搜索系统
World File Search SystemCompulsive
对强迫症的心理治疗和药理治疗的结构神经影像学标记的系统综述
识别与治疗反应和治疗性变化的假定机制相关的个体差异因素可能会改善对强迫症（OCD）的治疗。我们对心理疗法的结构神经影像学标记（即形态计量学，结构连通性）和OCD的药物治疗反应的系统综述26符合条件的出版物（平均研究总计n = 54±41.6 [范围：11-175] [范围：11-175]； OCD组n = 29±19±19±19），以及成人的脑海中，以及成人的脑海中，成人的脑海中，成人的脑海中，适用于Adection n = 29±19）。作为与治疗相关的大脑结构变化。研究结果在整个研究中不一致。前扣带回皮层内（3/5区域，2/8全脑研究）和眶额皮层（5/10区域，2/7全脑研究）中的显着关联是最常见的，但后期性和方向性并不总是一致的。治疗反应的结构性神经影像学标记当前不具有临床实用性。给出越来越多的证据表明，复杂行为与大脑结构之间的关联的特征是小但有意义的效果，可能需要更大的样本。多元方法（例如机器学习）也可以改善神经影像数据的临床预测效用。
赌博障碍和相关表型的遗传学
赌博障碍（GD）是诊断和统计手册版本5（DSM-5）中唯一正式认可的行为成瘾（美国精神病学协会，2013年），目前已列在“与物质相关和成瘾性疾病”类别中列为1980年DSM-3。它的特征是长时间的病理性赌博模式，导致遇险和个人，人际，教育，职业功能受损。GD也可能与其他精神疾病共同发生，尤其是情绪障碍，焦虑症，物质和酒精使用障碍以及冲动/强迫性疾病；以及与某些身体健康状况的潜在同时发生。nysesswhodonotmeetallthecriteriaforgd buthavesubthresholdproblembling（即符合一些标准）经验标志着功能障碍和合并症的高率，在许多情况下，与患有障碍的人相似。在这里，我们指的是此连续体，其中包括GD，thresholdProblembling，和NormativeGamblingBehaviourasgDandRateRAsgdandRated表型。，我们还将不同版本的DSM和ICD手册的临床诊断称为GD，尽管诊断标准随着时间的推移而发展。几条证据表示GD和相关表型的遗传成分。最早的赌博家族性研究，在1980年代，有三分之一的人有“病理赌博”的个人是“病理赌博”的父母的孩子
通过我们的青年自由学习导航技术
在此1.5小时的演讲中，我们将讨论技术和当今青年的作用。本演讲的信息不仅基于技术，还基于孩子的健康大脑发育以及必要的育儿/照顾者在创造健康，情感，调节和综合的大脑中的作用。本演讲将解决孩子的情绪大脑发育以及如何发展它的基础，以及技术如何危险地劫持这一点。我们认为说话不会发展神经元。经验成长神经元。该研讨会旨在为与会者提供成为孩子的情感教练的技能。研讨会将为参与者提供：•了解健康大脑发育背后的基本神经科学，•技术对健康大脑发育的危险，•技术使用将帮助您的孩子的技术•在建立健康的脑子时，如何识别孩子/学生的情绪以及如何成为孩子/学生的情感教练，只有五个步骤和五个步骤，并建立一个固定的孩子。演讲是由朱诺之家（Juno House）的治疗师促进的，该治疗师拥有多年的临床和促进经验。Juno House成立于2008年，是青春期女孩和年轻女性的卓越中心，这些女性正经历基于焦虑的心理健康问题，涉及自我伤害，强迫性疾病，抑郁症和饮食失调。
赌博障碍和相关表型的遗传学
赌博障碍（GD）是诊断和统计手册版本5（DSM-5）中唯一正式认可的行为成瘾（美国精神病学协会，2013年），目前已列在“与物质相关和成瘾性疾病”类别中列为1980年DSM-3。它的特征是长时间的病理性赌博模式，导致遇险和个人，人际，教育，职业功能受损。GD也可能与其他精神疾病共同发生，尤其是情绪障碍，焦虑症，物质和酒精使用障碍以及冲动/强迫性疾病；以及与某些身体健康状况的潜在同时发生。nysesswhodonotmeetallthecriteriaforgd buthavesubthresholdproblembling（即符合一些标准）经验标志着功能障碍和合并症的高率，在许多情况下，与患有障碍的人相似。在这里，我们指的是此连续体，其中包括GD，thresholdProblembling，和NormativeGamblingBehaviourasgDandRateRAsgdandRated表型。，我们还将不同版本的DSM和ICD手册的临床诊断称为GD，尽管诊断标准随着时间的推移而发展。几条证据表示GD和相关表型的遗传成分。最早的赌博家族性研究，在1980年代，有三分之一的人有“病理赌博”的个人是“病理赌博”的父母的孩子
怀孕期间的药物使用，虐待或忽视儿童
药物使用障碍，包括酒精使用障碍，阿片类药物使用障碍和兴奋剂使用障碍，每年都会影响数百万居住在美国的人，以及2021年至2022年孕妇的处方和滥用处方和“非法药物”的增加。1此外，孕妇中的饮酒在同一时期增加，从2021年的199,000，其中包括117,000名报告暴饮暴食或大量饮酒的人到233,000，其中包括148,000个报告了狂欢或重型酒精使用的148,000。2根据美国成瘾医学学会，“成瘾是一种可治疗的慢性医学疾病，涉及大脑回路，遗传学，环境和个人的生活经历之间的复杂相互作用。” 3此外，“有成瘾的人使用物质或从事强迫性并经常继续前进的行为，尽管后果有害。” 4为受父母药物使用障碍影响的孕妇和产后患者和婴儿的早期治疗和干预服务至关重要。5因此，至关重要的是，怀孕的人能够在不担心国家行动的情况下对自己的医疗保健专业人员倾诉；但是，正如本文件中汇编的研究所证明的那样，几乎一半的美国州和哥伦比亚特区认为怀孕期间的药物使用是虐待儿童，忽视儿童，或者是虐待或忽视儿童的证据。
人工智能与儿科护理 人工智能在儿童和青少年心理健康治疗中的应用
需求与承诺美国疾病控制与预防中心报告称，大约五分之一的儿童患有心理、情绪或行为障碍，但其中只有不到 20% 的儿童接受心理健康专家的护理。1 用科罗拉多州最大的社区心理健康服务机构 WellPower 的副总裁兼首席信息官韦斯威廉姆斯的话来说，技术（包括使用人工智能 (AI) 的工具）有能力成为“劳动力倍增器”。2 儿童和青少年的一些特殊特征使得人工智能的应用尤为有价值；参与度是干预效果的关键预测因素，而且这一群体使用技术的比例高于其他群体，并且往往对医疗保健环境中的技术感到满意。机器的匿名性可以帮助儿童和青少年克服围绕心理健康的耻辱感，并且是一种不带偏见的资源。人工智能在分类和预测方面非常出色（这就是为什么人们经常会收到他们在家里讨论的产品或服务的广告）。人工智能在诊断疾病、预测心理健康危机和提醒医疗从业者方面显示出巨大的前景。3 事实证明，它可以有效预测儿童强迫症、4 注意力缺陷多动障碍 5 和所有年龄段自闭症的治疗结果。6 例如，Well-Power 希望实施转录治疗过程的人工智能工具，让治疗师能够花更多的时间专注于客户，并通过提供草稿笔记来腾出治疗后的时间。这些工具还可以分析 WellPower 优先考虑的特定治疗技术，并向个体治疗师提供有关他们使用这些技术的有效性的反馈。这些工具还可以提醒治疗师注意潜在的危险想法或行为变化（人工智能通常能够发现人类无法发现的关联）。
成瘾新科学：遗传学与大脑
描述：从生理和分子角度研究药物成瘾，涉及许多因素，包括：基础神经生物学、药物在大脑中作用的科学研究、遗传学在成瘾中的作用以及道德考虑。这些材料旨在供学生、教师和公众使用，符合美国科学和健康教育标准。药物成瘾是一种慢性疾病，其特征是大脑发生变化，导致人们产生使用药物的强迫性欲望。包括遗传、环境和行为在内的多种因素会影响一个人的成瘾风险，使其成为一种极其复杂的疾病。新的成瘾科学考虑了所有这些因素 - 从生物学到家庭 - 以解开成瘾大脑的复杂性。 * 大脑中存在自然的奖励途径：奖励途径负责驱动我们的动机、奖励和行为。 * 药物改变大脑的奖励途径：药物随着时间的推移会改变奖励途径并影响整个大脑，导致成瘾。 * 遗传是成瘾的重要因素：对成瘾的遗传易感性是许多基因相互作用的结果。 * 时间和环境影响成瘾：如果你在青少年时期吸毒，你更有可能终生成瘾。个人的社会环境也会影响成瘾风险。 * 成瘾的挑战和问题：成瘾给社会带来许多道德、法律和社会问题。
利用功能性近红外光谱衍生的生物标志物对神经精神疾病进行四级分类
摘要：大多数神经精神疾病的诊断依赖于主观测量，这使得最终临床决策的可靠性值得怀疑。本研究的目的是提出一种基于机器学习的分类方法，利用功能性近红外光谱 (fNIRS) 衍生的生物标志物对三种神经精神或神经系统疾病进行客观诊断。十三名健康青少年和六十七名临床诊断为偏头痛、强迫症或精神分裂症的患者执行了 Stroop 任务，同时用 fNIRS 监测前额皮质血流动力学。提取血流动力学和认知特征来训练三种监督学习算法（朴素贝叶斯 (NB)、线性判别分析 (LDA) 和支持向量机 (SVM)）。通过十次十倍交叉验证程序运行来测试每种算法在四个类别中正确预测每个参与者的类别的性能。所有算法均实现了四类分类性能，准确率超过 81%，特异性超过 94%。SVM 在准确率（85.1 ± 1.77%）、敏感度（84 ± 1.7%）、特异性（95 ± 0.5%）、精确度（86 ± 1.6%）和 F1 分数（85 ± 1.7%）方面表现最佳。fNIRS 衍生特征用于自动分类时没有主观报告偏差。所提出的方法可能对协助客观诊断与额叶功能障碍相关的神经精神疾病具有巨大潜力。
Lukas J. Gunschera
剑桥大学 - 认知与脑科学单位博士生（全日制）研究，研究了数字媒体与福祉之间关系的风险和韧性的认知签名，结合了计算建模和纵向方法。监督：艾米·奥本（Amy Orben）。剑桥大学 - 认知与脑科学单元研究生研究助理（全日制）研究重点是数字技术对福祉的影响，检查大型社交媒体数据集中的增强学习，习惯倾向和隔离。监督：艾米·奥本（Amy Orben）。牛津大学研究助理（兼职）研究精神病患者的选择性注意和学习缺陷以及对决策和行为抑制的潜在下游后果。监督：Elaine Fox和Robin Murphy。阿姆斯特丹大学助教（兼职）课程：成瘾和强迫性疾病，科学写作和表现，阿姆斯特丹荟萃分析 - 习惯实验室研究助理（兼职）管理和共同领导的大型纵向协作，研究了阿姆斯特丹，剑桥，Helsinki和Konstan和Konstan和Konstan和Konstan的Habits的发展轨迹。从事研究习惯及其与社交媒体使用和临床状况相关的项目。监督：阿姆斯特丹萨恩·德·威特大学 - 谎言实验室研究助理和实习生（兼职）关于反社会行为，眼神训练以及对社区和罪犯样本中谎言发现的研究。监督：Bruno Verschuere。
西班牙版的耶鲁棕色强迫症评级量表的有效性和可靠性
简介。儿童通过对患者和父母进行的临床访谈，包括临床医生的摘要分数，是评估观察性强迫症（OCD）症状的非常好的工具。目标。我们提出了西班牙语版本的仪器，该仪器在对父母和患者的简短临床访谈中进行了评级。我们使用两个门诊样本提供了有关可靠性和有效性的数据。方法。翻译成西班牙语后，对墨西哥城两个临床环境的平均年龄为12.1（±2.7）的二十八名门诊患者（75％男性）的后背翻译和适应性。可靠性。为了评估Interater协议，访谈是由三个独立评估者录像和评分的，所有这些评估者都包括孩子和父母访谈。CY-BOC的总评分与K-SADS-PL诊断相关。结果。所有受试者的CY-BOC总分均为16.5±9.8。Cronbach的α系数为0.87； Pearson总CY-BOC评分与K-SADS-PL诊断的相关性为0.60（P≤0.05）。父母，年轻人和临床医生的类内相关系数分别为0.96、0.94和0.92。结论：CY-BOC的西班牙版本是一种可靠且有效的工具，对儿童和青少年OCD评估的临床医生和研究人员都有用。