Nöropsikiyatri Arşivi; 2020;57(4):265-269
Ebeveynlerin Psikopatolojisi, Küçük Çocukların Gelişimsel-Duygusal Problemlerini Öngörüyor mu?
MB Usta, K Karabekiroğlu
Ondokuz Mayıs Üniversitesi, Samsun
maç: Ebeveyn psikopatolojisi, erken çocukluk döneminde
psikopatolojik gelişim açısından risk olarak tanımlanmıştır. Bu çalışmada
ebeveyn psikopatolojilerinin 1-3 yaş aralığındaki sosyal ve duygusal
problemler üzerine etkilerinin araştırılması ve risk altındaki çocukların
belirlenmesi amaçlanmıştır.
Yöntemler: Çalışma verileri Türkiye’yi temsil eden 2009 Erken Çocukluk
Ruh Sağlığı Profilinden elde edilmiştir. Çocuğun birincil bakıcısı 1-3 yaş
arasında Psikiyatrik Değerlendirme Formu, Kısa 1-3 yaş Sosyal-Duygusal
Değerlendirme Ölçeği (KSDDÖ), Yaşlar ve Çağlar Ölçeği (YÇÖ), kendileri
için Kısa Belirti Envanteri’ni doldurmuştur. Tahmin için makine öğrenme
modelleri kullanılmıştır. Tahmin modellerinin performansı on kat çapraz
validasyon yöntemi ile değerlendirilmiştir. Eğri Altındaki Alan (EAA)
değerleri, her bir modelin performansını değerlendirmek için ROC
eğrileri ile hesaplanmıştır.
Bulgular: Değerlendirme ortalama yaşı 26.19 ± 9.11 ay (dağılım, 10-
48 ay) olan 1507 (% 54.3) erkek ve 1268 (% 45.7) kızdan oluşan 2775
çocuğun verileriyle yapıldı. Toplam 106 çocuk, KSDDÖ noktalarının
klinik kesme noktasının (1.5 standart sapma) üstünde veya YÇÖ’nün
gelişim alanlarından herhangi birinin kesme noktalarının altında
olduğu belirlendi ve riskli olarak tanımlandı. Bu 106 çocuğun verilerine
modelleme uygulanmıştır. Otomatik olarak optimize edilmiş en yüksek
EAA değerine sahip Destek Vektör Makineleri (SVM) modeli seçildi.
Modelin klinik öneminin yorumlanmasını gösteren SVM algoritmasında
değişkenlerin ağırlıkları hesaplandı.
Sonuç: Ebeveyn psikopatolojisi ve davranış problemleri ile olan karmaşık
ilişkiyi anlayabilmek için bu çalışmada makine öğrenme yöntemleri
başarıyla kullanılmıştır. Daha büyük veri kümeleri, daha uzun takip
süreleri ve daha güçlü algoritmalar ile yapılacak daha ileri çalışmalar
risk gruplarını daha erken tanımlayabilecek ve erken müdahalelerin
uygulanmasına olanak sağlayacaktır.
Does the Psychopathology of the Parents Predict the Developmental Emotional Problems of the Toddlers?
ntroduction: Parental psychopathology has been defined in respect of
psychopathological development in early childhood. This study aimed
to investigate the effects of parental psychopathologies on social and
emotional problems in the age range of 1–3 years and to determine
children at risk.
Methods: The study data were obtained from the 2009 Early Childhood
Mental Health Profile taking population distribution into consideration
with the properties representing Turkey. The primary caregiver of the
child completed the Psychiatric Evaluation Form for 1–3 years, the
Brief Infant-Toddler Social Emotional Assessment (BITSEA), the Ages
and Stages Questionnaire (ASQ), and the Brief Symptom Inventory
(BSI) for themselves. Machine learning models used for prediction.
The performance of prediction models was evaluated with the ten-fold
cross-validation method. Area Under Curve (AUC) values were calculated
with Receiver Operating Characteristic (ROC) curves to evaluate the
performance of each model.
Results: The evaluation was made of the data of 2775 children,
comprising 1507 (54.3%) males and 1268 (45.7%) females with a mean
age of 26.19±9.11 months (range, 10–48 months). A total of 106 children
were identified as at risk, as they were above the clinical cut-off point
(1.5 standard deviations) of the BITSEA points and below the cut-off
points of any one of the developmental areas of the ASQ. Modeling was
applied to the data of these 106 children. The Support Vector Machines
(SVM) model was selected for prediction with the automatically
optimized highest AUC value. Weighting for the SVM algorithm showed
mothers’ BSI scores, fathers’ education and health problems, duration
of breastfeeding, unplanned pregnancy are significant for predicting
BITSEA-problem scores in the model.
Conclusion: To be able to understand the complex relationship with
parental psychopathology and behavioral problems, machine learning
methods were used successfully in this study. Further studies with more
massive data sets, more extended follow-up periods, and stronger
algorithms will be able to identify risk groups earlier and allow early
interventions to be implemented.