基于言语特征的发展性筛查工具：用于精神病性障碍、抑郁与焦虑的识别

语言产出为认知发展、社会认知和心理健康提供了一个观察窗口。为将这一潜力转化为临床实践，我们开发了一个可扩展的基于言语的平台，整合了简短自发叙事中的图论、心理语言学和情绪特征，以支持发育监测、心理健康筛查和临床决策。常模发育轨迹来自2149名参与者，受教育年限跨度为0-23年。使用正效价图片诱发的叙事被转换为词语图，以得出两个复合指数：叙事复杂性（NC），反映结构性语言组织；情绪叙事复杂性（ENC），整合叙事结构与情绪内容。两个指数均采用以受教育年限校准的渐近函数建模，并转换为基于百分位的常模曲线。NC（R2 = 0.29，{tau} = 7.77）和ENC（R2 = 0.31，{tau} = 6.97）随受教育年限增加，在初中前后接近饱和。这些轨迹为评估语言和社会情绪发展提供了经教育校准的参照。在120名参与者的跨诊断样本中考察了临床效用，包括健康对照（n = 38）、心境障碍（n = 28）、情感性精神病（n = 36）和非情感性精神病（n = 18）。尽管单独ENC未能区分症状风险组或诊断组，但将其组成变量与受教育年限和性别结合的分类器对症状风险的AUC达到0.726，对诊断的AUC达到0.800；加入额外语言特征后，分别提高至0.774和0.858。整合图衍生特征、心理语言学和情绪特征的机器学习模型进一步估计了由PANSS、GAD-7和PHQ-9评估的症状维度，在各严重程度阈值上的AUC为0.74-0.92，同时保持灵敏度[≥] 0.80。个体语言变量

中文由 AI 翻译，仅供参考，以原文为准。