افسردگی هر سال بیش از 15 میلیون بزرگسال آمریکایی یا
حدود 6.7 درصد جمعیت ایالات متحده را تحت تاثیر قرار می دهد. این عامل اصلی ناتوانی افراد بین 15 تا 44 سال است.
آیا می توان تشخیص افرادی که ممکن است قبل از شروع آن با بیماری های مغزی آشنایی داشته باشند؟
دیوید Schnyer، روانشناس شناختی و استاد روانشناسی دانشگاه تگزاس در آستین معتقد است ممکن است. اما شناسایی نشانه های آن، ساده تر از آن نیست. او با استفاده از ابر رایانه Stampede در مرکز رایانه تگزاس پیشرفته (TACC) برای آموزش یک الگوریتم یادگیری ماشین است که میتواند در میان صدها بیمار با استفاده از اسکن مغز رزونانس مغناطیسی (MRI) مغز، داده های ژنومیک و سایر عوامل مرتبط، برای پیش بینی دقیق خطر برای کسانی که افسردگی و اضطراب دارند.
محققان به مدت طولانی اختلالات روانی را با بررسی رابطه بین عملکرد مغز و ساختار در داده های عصبی تصویر سازی مطالعه کرده اند.
Schnyer می گوید: "یک مشکل با این کار این است که در درجه اول توصیفی است. شبکه های مغز ممکن است بین دو گروه متفاوت باشند، اما ما در مورد آنچه که در واقع پیش بینی می کنیم که چه گروهی قرار می گیریم، ما را نمی گوید." "ما به دنبال اقدامات تشخیصی هستیم که پیش بینی نتایج مانند آسیب پذیری به افسردگی یا زوال عقل را نشان می دهد."
در سال 2017، Schnyer در حال کار با Peter Clasen (دانشکده پزشکی دانشگاه واشنگتن)، کریستوفر گونزالس (دانشگاه کالیفرنیا سان دیهو) و کریستوفر بویرز (UT Austin)، تحلیل خود را از یک مطالعه اثبات مفهومی که از روش یادگیری ماشین برای طبقه بندی افراد با اختلال افسردگی عمده با دقت 75 درصد.
یادگیری ماشین، زمینه ای از دانش کامپیوتری است که شامل ساخت الگوریتم هایی است که می توانند با ایجاد یک مدل از ورودی داده های نمونه، "یاد بگیرند"، و سپس پیش بینی های مستقل بر روی داده های جدید را ایجاد می کنند.
نوع یادگیری ماشین که Schnyer و تیمش آزمایش می کنند نامیده می شود آموزش Vector Machine Learning است. محققان مجموعه ای از نمونه های آموزشی را ارائه دادند که هر کدام از افراد سالم یا افرادی که با افسردگی تشخیص داده شده بودند تعلق دارند. Schnyer و تیم او ویژگی های خود را در داده های خود نشان دادند که معنادار بودند و این نمونه ها برای آموزش سیستم استفاده شد. یک کامپیوتر پس از آن داده ها را اسکن کرد، ارتباطات ظریف بین قطعات متفرقه پیدا کرد و یک مدل ایجاد کرد که نمونه های جدیدی را برای یک دسته یا دیگری ایجاد می کند.
در مطالعه Schnyer اطلاعات مغز از 52 بیمار مبتلا به افسردگی و 45 شرکت کننده در کنترل بیماری را تجزیه و تحلیل کرد. برای مقایسه گروه ها، یک زیرمجموعه از شرکت کنندگان افسرده با افراد سالم بر اساس سن و جنس، مطابق با اندازه نمونه به 50 برسد.
شرکت کنندگان دریافت میکروسکوپ تونر تصویر برداری (DTI) اسکن MRI، که برچسب مولکول های آب برای تعیین میزان که این مولکول ها میکروسکوپیک در مغز در طول زمان منتشر شده است. با اندازه گیری این انتشار در جهت های مختلف فضایی، برای هر واکسل (مکعب های سه بعدی که از نظر ساختار یا فعالیت های عصبی در مغز) نشان دهنده ی جهت گیری فیبر غالب است، بردارها تولید می شوند. این اندازه گیری ها سپس به معیارهای تبدیل شده اند که نشان دهنده یکپارچگی مسیرهای مواد سفید درون قشر مغزی است.
یکی از پارامترهای مورد استفاده برای تشخیص DTI، آنیزوتروپیک کسری است: میزان پخش بسیار جهت (انحصار ناقص زیاد) یا بدون محدودیت (کم آبیاری قطعی).
آنها این اندازه گیری های انحصاری قطعی را بین دو گروه مقایسه کردند و اختلاف آماری معنی داری را نشان دادند. سپس تعداد واکسل های مربوط به یک زیر مجموعه که بیشتر برای طبقه بندی مناسب بود را کاهش داد و طبقه بندی و پیش بینی را با استفاده از روش یادگیری ماشین انجام داد.
· مواد تشکیل دهنده فعال در قارچ جادویی می تواند به زودی تبدیل به درمان افسردگی شود
· رسانه های اجتماعی باعث کاهش خطر افسردگی در سالمندان با درد می شوند
· شاخص توده بدنی بالا حتی بدون مشکلات سلامت می تواند موجب افسردگی شود
او می گوید: "ما در کل اطلاعات مغز و یا یک زیر مجموعه و پیش بینی طبقه بندی های بیماری یا هر گونه اندازه گیری های احتمالی رفتاری مانند اندازه گیری های اطلاعات منفی اطلاعات تغذیه می کنند.
این مطالعه نشان داد که نقشه های آنزیمتروپوشی کسر مشتق شده از DTI می تواند به طور دقیق طبقه بندی افراد افسرده یا آسیب پذیر را در مقایسه با کنترل های سالم طبقه بندی کند. همچنین نشان داد که اطلاعات پیش بینی شده در شبکه های مغزی توزیع شده است تا به شدت موضعی باشد.
Beevers، استاد روانشناسی و مدیر موسسه سلامت روان، گفت: "نه تنها یاد گرفتیم که ما می توانیم افراد افسرده و غیر افسرده را با استفاده از داده های DTI طبقه بندی کنیم، ما همچنین چیزی در مورد نحوه افسردگی در مغز نشان می دهیم." تحقیق در دانشگاه آستین. "به جای تلاش برای پیدا کردن منطقه ای که در افسردگی مختل شده است، یاد می گیریم که تغییرات در تعدادی از شبکه ها به طبقه بندی افسردگی کمک می کند."
مقیاس و پیچیدگی مشکل، یک رویکرد یادگیری ماشین را به وجود می آورد. هر مغز با تقریبا 175،000 واکسل نشان داده شده است و تشخیص ارتباط پیچیده بین چنین تعداد زیادی از اجزای با نگاه کردن به اسکنها عملا غیرممکن است. به همین دلیل، تیم با استفاده از یادگیری ماشین برای بهینه سازی فرایند کشف استفاده می کند.
Schnyer می گوید: "این موج آینده است." "ما تعداد زیادی از مقالات و سخنرانی ها را در کنفرانس در مورد استفاده از یادگیری ماشین برای حل مشکلات دشوار در علوم اعصاب مشاهده می کنیم."
نتایج امیدوار کننده است، اما هنوز به اندازه کافی روشن نیست که به عنوان یک معیار بالینی استفاده شود. با این حال، Schnyer معتقد است که با اضافه کردن اطلاعات بیشتر - نه تنها به اسکن MRI، بلکه همچنین از ژنومیک و دیگر طبقه بندی ها - سیستم می تواند خیلی بهتر انجام دهد.
"یکی از مزایای یادگیری ماشین، در مقایسه با رویکردهای سنتی، این است که یادگیری ماشین باید این احتمال را افزایش دهد که آنچه که در مطالعه ما مشاهده می کنیم، به مجموعه داده های جدید و مستقل مربوط می شود، یعنی این باید به داده های جدید تعمیم دهد." Beevers گفت: "این یک سوال مهم است که ما واقعا هیجان زده هستیم تا در مطالعات آینده امتحان کنیم."
Beevers و Schnyer مطالعه خود را گسترش خواهند داد تا شامل اطلاعاتی از چند صد داوطلب از جامعه آستین که با افسردگی، اضطراب یا وضعیت مرتبط تشخیص داده شده است. Stampede 2 - جدیدترین ابرکامپیوتر TACC که بعدا در سال 2017 به صورت آنلاین وارد خواهد شد و دو برابر قدرتمندتر از سیستم فعلی خواهد بود، افزایش قدرت پردازش کامپیوتری مورد نیاز برای ترکیب داده های بیشتر و دستیابی به دقت بیشتری را فراهم می کند.
Schnyer می گوید: "این رویکرد، و همچنین حرکت به سوی علوم باز و پایگاه های بزرگ بزرگ مانند پروژه اتصال انسانی انسان، به این معنی است که امکانات مانند TACC کاملا ضروری هستند." "شما فقط نمیتوانید این کار را روی دسکتاپ انجام دهید. برای برقراری ارتباط پایدار با یک مرکز محاسباتی پیشرفته مهمتر است."
بررسی جدید و گسترده ای از تحقیقات در دسترس نشان می دهد
والدین و مراقبان می توانند با استفاده از برنامه های تلفن همراه و پیام های متنی
پیامدهای سلامتی کودکان را بهبود بخشند.
این تحقیق در مجله JAMA Pediatrics ، معتبر و معتبر مطرح شده در 20 مارس منتشر شده است . پیش از این، تنها بررسی کلی سلامت تلفن همراه (mHealth) تنها بر چاقی کودکان متمرکز بود.
پیام رادیویی این است که گوشی هوشمند می تواند به کودک کمک کند که در بسیاری از رفتارهای مراقبت های بهداشتی سالم تر باشد، مثلا مطمئن شوید که واکسن دریافت کرده یا یک رژیم غذایی سالم داشته باشید. کریستوفر کوشینگ، استاد روانپزشکی بالینی کودکان دانشگاه کانزاس، که این یافته ها را هماهنگ کرد. "ما ایده ای داریم که یک گوشی هوشمند و پیام رسانی می تواند راه خوبی برای رفتن باشد، اما ما نیز راه طولانی برای بهینه سازی این نوع مداخله داریم."
محققان 37 مطالعه منحصر به فرد از مداخلات بهداشتی تلفن همراه را بررسی کردند، به دنبال شواهد آماری از تغییرات در رفتارهای بهداشتی یا کنترل بیماری در شرکت کنندگان 18 ساله یا جوانتر.
"مداخلات بهداشتی تلفن همراه به نظر می رسد مداخلات مداخله ای در جهت تغییر رفتارهای بهداشتی برای جوانان است." "با توجه به همه جا از تلفن های همراه، مداخلات بهداشتی تلفن همراه وعده در بهبود سلامت عمومی است."
همکاران کوشینگ شامل نویسنده اصلی دیوید Fedele و همچنین الیسا فریتز و آدریان اورتگا از دانشگاه فلوریدا، و کریستینا آمرو از برنامه روانشناسی کودکانه بالینی KU است.
طبق گفته Fedele نویسنده اصلی، این مطالعه نشان می دهد که ارائه دهندگان مراقبت های بهداشتی باید فناوری مبتنی بر تلفن همراه را برای بیماران خود تشویق کنند.
وی گفت: "یافته های مطالعه حاضر نشان می دهد که مداخلات بهداشتی، یک مسیر امیدوار کننده و بالقوه موثر برای ارائه دهندگان مراقبت های بهداشتی برای کودکان با بیماران و اعضای خانواده خود است."
محققان دریافتند مزایا میتواند با مداخلات ساده و پیچیده گوشی هوشمند همراه باشد. مطالعه آنها به مزایای انواع فن آوری های mHealth نگاه کرد، اما مزایایی از یک نوع بر دیگری یافت نشد.
کوشینگ گفت: "ارزش استفاده از آن است و رسانه های مختلفی را می توان از آن استفاده کرد." مداخلات mHealth می تواند به همان اندازه ساده به عنوان پیام های متنی و پیچیده به عنوان یک برنامه اختصاصی باشد. شما می توانید کوچک و ارسال پیام های متنی برای یادآوری واکسن یا ایجاد برنامه ای که اجازه می دهد تا برای رژیم غذایی و ردیابی فعالیت های فیزیکی ".
کوشینگ گفت: "برای والدین، یافته های کلیدی نشان می دهد که آنها" در تکنولوژی دخیل هستند ".
او گفت: "اگر آنها یک کودک جوان داشته باشند، می توانند برنامه ای را برای برنامه ریزی انتخاب کنند که به آنها اجازه می دهد چیزهایی را که برای کودک واکسیناسیون دارند، ببینند." "برای یک کودک بزرگتر، مناسب است که کودک برای انجام برخی از خودمختاری مانند تعامل با یک برنامه که در آن می تواند اهداف و بازخورد را دریافت کند، مناسب است، اما پدر و مادر باید در آن سیستم مشغول باشند تا بتوانند از لحظات آموزشی استفاده کنند. مطمئن نیستم که چرا اهدافشان را برآورده نمی کنند، والدین می توانند برای حل مشکل مشکل بالقوه را برای کمک به یافتن پاسخ استفاده کنند. "
· ترکیبات مبتنی بر کانابیس وعده داده اند که تشنج را در کودکان مبتلا به صرع کاهش دهد
· سفارشی سازی مدل های مهندسی ژنتیک برای برنامه های کاربردی تحقیقاتی خاص
· مطالعه نشان می دهد که چرا بعضی از کودکان به اثرات بدرفتاری حساس هستند
با توجه به کوشینگ، یافته ها باید مربوط به والدین، مراقبین و متخصصان اطفال باشد، بلکه باید جامعه فناوری را نیز انگیزه دهند. به عنوان مثال، تیم تحقیقاتی دریافت که مداخلات که والدین در فناوری mHealth دخیل بودند، مزایای سلامتی بیشتری برای کودکان داشتند.
وی گفت: "اگر شما در حال طراحی فن آوری هستید، طراحی آن را به طوری که والدین و کودکان در سراسر تکنولوژی در تعامل هستند." "شما یک جریمه بزرگتر برای جیب خود می کنید."
به گفته محققان، امروزه همهچیز بودن تلفنهای همراه به اثربخشی تکنولوژی mHealth کمک می کند.
Fedele گفت: "با درصد قابل توجهی از افرادی که مالک یا دسترسی به تلفن همراه دارند، مداخلات بهداشتی می توانند بیشتر از مداخلات شخصی انجام دهند." علاوه بر این، برنامه های سلامت می توانند داده های مرتبط با سلامت را جمع آوری کنند و محتوای مداخله را به افراد در محیط طبیعی خود، خارج از یک برخورد بالینی، در زمان های کلیدی که احتمال تغییر رفتار را دارند، فراهم کند. مثال می تواند جمع آوری داده ها در مورد درصد زمانی که یک فرد در فعالیت بدنی صرف کرده و پس از آن یک پیام شخصی را به دستگاه تلفن همراه خود تحویل داد تا آنها را در فعالیت های جسمانی فعالیت کند. "
محققان امیدوار بودند که تحقیقات بیشتری را با کشف بیشتر درباره تغییرات رفتاری، تأثیرات این نوع مداخلات را افزایش دهند.
کوشینگ گفت: "ما می دانیم که مداخلات بهداشتی می توانند کار کنند و والدین باید درگیر شوند، اما ما می توانیم حدس بزنیم چه استراتژی های خاصی باید شامل شوند."
در تحقیقات آینده، محققان به دنبال یافتن کارایی برنامه های خاص در بازار می باشند.
کوشینگ گفت: "اکنون که ما می دانیم که این روش ها می توانند کار کنند، ایده خوبی است که بیشتر بدانیم که چه ویژگی هایی توسط مصرف کنندگان ارزیابی می شود و اینکه آیا این ویژگی ها در برنامه های تجاری قابل دسترس ظاهر می شوند."
من 35 سالمه در 17 سالگی اشتباه کردم و عاشق شدم تازه فهمیدم اشتباه کردم عشقی که منجر به داشتن دو تا بچه شد حالا عشق واقعی رو پیدا کردم ولی حاضر نمیشه طلاق بگیره خسته شدم از دستش
کودکانی که خودگردان هستند، می توانند آزادانه تکالیف و مسائل خود را حل و فصل کنند. این کودکان بعضی کنترل ها را بر خودشان اعمال می کنند و حداقل درتاثیرگذاری بر بعضی از جنبه های زندگی که برایشان اهمیت دارد، خود را آزاد می دانند. کودکانی که فاقد توانمندی برای هدایت خود باشند، احساس ناامیدی می کنند و برای پیشرفت در آینده، به دیگران وابسته می شوند. توانایی کودک برای کنترل کردن، یا حداقل تاثیرگذاری بر امور حال و آینده ی خود، ضروری است.
عناصر اصلی
مورد اعتماد بودن
ما باید بدانیم که می توانیم جسم و زندگی خود را اداره کنیم. به عبارت دیگر، حق داریم در مورد اتفاقاتی که برایمان می افتد، اظهار نظر کنیم.
نخستین تجربه ی کودک از خودگردانی یا ابتکار رهبری خود، که او را وامی دارد تا به جای ناامیدی، احساس لایق بودن کند، از انحا ناشی می شود که مادر یا پرستار، او را درک کند و به نیازهای اساسی اش به لحاظ غذا دادن، محبت کردن، مراقبت و توجه، پاسخ دهد. اگر این نیازها برآورده شود، کودک نیز خودباوری خود را تقویت خواهد کرد. اگر به کودکان بزرگتر مسئوللیت بشتری داده شود تات خودشان را کنترل کنند، تشویق شوند که سوال کنند، به کاوش بپردازند، احساسات مثبت و منفی خود را به زبان آورند و نحوه ی بحث و مذاکره را یاد بگیرند، احساس مهارت و تبحّر را در خود به وجود خواهند اورد.
خودمختاری از طریق گزینش
هر نوع گزینش و انتخاب، از ان رو مهم است، درباره اینکه ما چه کسی هستیم، اطلاعاتی در اختیار ما قرار می دهد. ما خودمان را از طریق گزینش نشان می دهیم و معرفی می کنیم. در صورتی که گزینش به نحوی مناسب انجام شود، مسئولیت شخصی را نیز تقویت می کند. اگر از کودکی بپرسند که «تو دوست داری این کار را به این روش انجام دهی یا آن روش؟» نه تنها به او کمک می شود تا برای انجام دادن آن کار تحقیق کند، بلکه احساس می کند برکاری که از او خواسته شده است انجام دهد، نوعی کنترل دارد. اقدام به تصمیم گیری، کودک را تشویق می کند تا تعهدی را نسبت به نتایج آن تصمیم بر عهده بگیرد. این موضوع بسیار قابل توجه است. با این حال، برای کودک مقتضی نیست که درباره ی همه چیز حق گزینش داشته باشد. هر چه کودک کم سن و سال تر باشد، لازم خواهد بود گزینش های او محدودتر باشد و بیشتر کنترل شود. این مسئولیت بر عهده ی والدین باقی می ماند تا زمانی برسد که خود کودک به طور قانونی و مستقل بتواند دست به گزینش بزند.
تجربه ی استقلال
خودگردانی و استقلال، هریک، دیگری را تقویت می کند. کودکان هر چه بیشتر متکی به خود باشند، بهتر می توانند به وضع خودمختاری خود سر و سامان بدهند. هر قدر به آنان استقلال بیشتری داده شود، به شرطی که چنین فرصتی مقتضی وجود داشتهه باشد، آنان اعتماد و مهارت های خود را بیشتر رشد می دهند تا خودگران و خودمختار شوند و از خود ابتکار و خلاقیت نشان دهند. هر چه بزرگسالان بیشتر به کودکان بگویند که چه کاری را انجام ندهند، کودکان کمتر احساس شایستگی می کنند- در نتیجه، دیگر از بزرگسالان راهنمایی نخواهند خواست. این شیوه، نتیجه ای محتوم در بردارد؛ به این صورت که اشخاص هدایتگر، با این کارشان در کودک وابستگی ایجاد می کنند.
فقط زمان
داشتن فرصت برای تصمیم گیری، خطر کردن و مرتکب اشتباه شدن، همگی مهم هستند. اگر کودک هیچ گونه فرصتی برای گزینش نداشته باشد- یعنی زمانی که متعلق به خودش باشد تا به اختیار خودش، آن را پر کند- نمی تواند خودگردان شود. خستگی و بی حوصلگی، بیماری نیست. آن آه و ناله ی وحشتناک که «من حوصله ندارم»، ممکن است به شدت ما را اندوهگین سازد، اما این بی حوصلگی نشان دهنده ی یک درد است که کودک باید از آن عبور کند تا از این طریق بتواند «خود» های درونی خویش را کشف کند و دلبستگی های تازه ای بیابد.
خودگردانی کودکتان را تقویت کنید
در اینجا چند راهنمایی برای افزایش خودگردانی ارائه می شود. سعی کنید:
با سلام و احترام
خانمی از آشنایان، میخواد طلاق بگیره ولی همسرش طلاقش نمیده. شرایطش به این شرحه:
دوتا بچه داره ، یکی 15 سال و یکیش 5 سال
شوهرش مدت دو سالیه که زن دوم گرفته
اولش مخفی بود ولی الآن دیگه همه میدونن
در حال حاضر با همسر اولش زندگی نمیکنه بماند، خرجیشونم خیلی به سختی میده
این خانم میگه تو که با من نیستی و خرجمم نمیدی این که نشد زندگی پس طلاقم بده راحت شم
شوهره به این بهانه که اگه طلاقت بدم میترسم دوتا بچه هام ناراحت بشن، طلاقش نمیده
لطفا راهنمایی بفرمایید:
1- چگونه میتونه طلاق بگیره؟؟ در حالیکه حاضره حتی از مهریه ش بگذره
2- آیا میتونه مهریه شو به اجرا بذاره؟