预注册研究：用大语言模型从自由文本中捕捉青少年抑郁影响的额外变异

过去十年间，青少年抑郁的患病率有所上升。尽管有迹象表明青少年与成人在症状表现、测量学特性和治疗反应上存在差异，但研究仍以成人参与者为主。定性研究已识别出对抑郁青少年及其周围人重要的症状与功能领域；然而，关于这些领域与该障碍功能影响之间关系的定量证据仍然很少。在这项预注册研究中，我们使用发展与福祉评估（DAWBA）抑郁部分中的青少年自评（n = 153）和家长报告（n = 106）回答，考察其结构化症状量表可能遗漏了哪些与所报告抑郁影响相关的信息。我们应用大语言模型（LLMs）对参与者的自由文本回答提取信息，归类于一个包含80项结局的分类体系。通过序贯残差堆叠框架，估计症状总分（S）、条目层面症状量表回答（Q）和LLM衍生的文本表征（T）中的增量信息，我们发现家长文本包含与其报告的抑郁影响相关的信息，而这些信息在结构化症状量表中并不存在，最大贡献集中在功能相关领域（如职业责任、社会排斥、自主性、应对）。在青少年自评中未发现此类证据。鉴于样本量中等，这些结果是初步的。尽管如此，我们提供了一个概念验证框架，用于从大型现有数据集中的开放式自由文本提取信息，并估计不同来源之间的增量信息，该框架可应用于揭示不同人群中青少年精神障碍的特定方面。

中文由 AI 翻译，仅供参考，以原文为准。