Çocukluk çağı travmalarının psikiyatrik semptomlar üzerindeki yordayıcı etkisi: Makine öğrenmesi yaklaşımı
The predictive effect of childhood traumas on psychiatric symptoms: A machine learning approach
- Tez No: 953902
- Danışmanlar: PROF. DR. ÖZCAN UZUN
- Tez Türü: Tıpta Uzmanlık
- Konular: Psikiyatri, Psychiatry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: Ankara Gülhane Eğitim ve Araştırma Hastanesi
- Ana Bilim Dalı: Ruh Sağlığı ve Hastalıkları Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışmanın temel amacı, çocukluk çağı travmatik yaşantılarının, yetişkinlikteki psikiyatrik belirtileri yordama gücünü, çeşitli sosyodemografik ve klinik faktörlerin etkisi kontrol edildikten sonra, özellikle yorumlanabilir makine öğrenmesi modelleri aracılığıyla kapsamlı bir şekilde değerlendirmektir. Gereç Yöntem: Kesitsel ve nicel bir desende yürütülen bu araştırmaya, klinik ve toplum örnekleminden toplam 1192 yetişkin (18-65 yaş) gönüllü olarak katılmıştır. Veriler, Sosyodemografik Bilgi Formu, Çocukluk Çağı Travma Ölçeği (CTQ-28) ve Belirti Tarama Listesi-90-R (SCL-90-R) kullanılarak toplanmıştır. Çocukluk çağı travmalarının psikiyatrik belirtiler üzerindeki yordayıcı etkisini ve bu etkinin karmaşıklığını değerlendirmek amacıyla hiyerarşik çoklu doğrusal regresyon analizlerinin yanı sıra, belirti şiddetini ve Latent Profil Analizi (LPA) ile tanımlanan riskli semptom profillerine üyeliği yordamak için çeşitli makine öğrenmesi (MÖ) modelleri (örn. Rastgele Orman, XGBoost) kullanılmıştır. MÖ modellerinin geliştirilmesi ve yorumlanmasında çapraz doğrulama, hiperparametre optimizasyonu ve açıklanabilir yapay zeka (XAI) tekniklerinden yararlanılmıştır. Bulgular: Hiyerarşik regresyon analizleri, özellikle duygusal istismar ve ihmal başta olmak üzere çocukluk çağı travmatik yaşantılarının, yetişkinlikteki birçok psikiyatrik belirtinin anlamlı yordayıcıları olduğunu ve temel sosyodemografik ve klinik kontrol değişkenlerinin etkisi hesaba katıldıktan sonra dahi belirti varyansında önemli bir ek artış sağladığını göstermiştir. Uygulanan çeşitli makine öğrenmesi modelleri arasında Rastgele Orman algoritması, hem SCL-90-R belirti şiddetinin yordanmasında (ortalama RMSE = 0.645) hem de Latent Profil Analizi ile belirlenen 'Yüksek Semptom/Riskli Profil'e üyeliğin sınıflandırılmasında (ortalama AUC = 0.723) en iyi genel performansı sergilemiştir. Açıklanabilir yapay zeka (XAI) teknikleri ile yapılan model yorumlamaları, özellikle duygusal travma türlerinin ve yaşın, psikiyatrik belirtilerin yordanmasındaki göreli önemi yüksek temel faktörler olduğunu ortaya koymuştur. Sonuç: Çalışma bulguları, çocukluk çağı travmatik yaşantılarının, özellikle duygusal örselenmelerin, yetişkinlikteki psikiyatrik belirtiler için önemli bir risk faktörü olduğunu ve bu karmaşık ilişkilerin yorumlanabilir makine öğrenmesi modelleri aracılığıyla etkili bir şekilde modellenebileceğini ortaya koymuştur. Bu yaklaşımlar, risk altındaki bireylerin erken tanınması ve hedefe yönelik önleyici ve tedavi edici müdahalelerin geliştirilmesi açısından önemli olanaklar sunmaktadır.
Özet (Çeviri)
Objective: The primary aim of this study is to comprehensively evaluate the predictive power of childhood traumatic experiences on psychiatric symptoms in adulthood, after controlling for the effects of various sociodemographic and clinical factors, particularly through interpretable machine learning models. Materials and Methods: This cross-sectional, quantitative study involved 1192 adult volunteers (18-65 years) from clinical and community samples. Data were collected using a Sociodemographic Information Form, the Childhood Trauma Questionnaire (CTQ-28), and the Symptom Checklist-90-R (SCL-90-R). To evaluate the predictive effect of childhood traumas on psychiatric symptoms and the complexity of this effect, hierarchical multiple linear regression analyses were employed, alongside various machine learning (ML) models (e.g., Random Forest, XGBoost) to predict symptom severity and membership in risky symptom profiles identified through Latent Profile Analysis (LPA). Cross-validation, hyperparameter optimization, and eXplainable Artificial Intelligence (XAI) techniques were utilized in the development and interpretation of the ML models. Results: Hierarchical regression analyses revealed that childhood traumatic experiences, particularly emotional abuse and neglect, were significant predictors of numerous psychiatric symptoms in adulthood and accounted for a substantial additional increase in symptom variance even after controlling for basic sociodemographic and clinical variables. Among the various machine learning models applied, the Random Forest algorithm exhibited the best overall performance in both predicting SCL-90-R symptom severity (mean RMSE = 0.645) and classifying membership in the 'High Symptom/Risky Profile' identified through Latent Profile Analysis (mean AUC = 0.723). Model interpretations using eXplainable Artificial Intelligence (XAI) techniques indicated that emotional trauma types and age were key factors with high relative importance in predicting psychiatric symptoms. Conclusion: The study findings revealed that childhood traumatic experiences, particularly emotional maltreatment, are a significant risk factor for psychiatric symptoms in adulthood, and that these complex relationships can be effectively modeled through interpretable machine learning models. These approaches offer considerable potential for the early identification of at-risk individuals and the development of targeted preventive and therapeutic interventions.
Benzer Tezler
- Borderline kişilik bozukluğunda depresif semptom ve çocukluk çağı travmalarının dürtüsellik, kendine zarar verme ve intihar davranışları üzerindeki yordayıcı etkisi
The predictor role of depressive symptoms and chilhood traumas over impulsive, self-injuring and suicidal behaviors in borderline personality disorder
PERVİN TUNÇ
- Psikoz şiddetini öngörmede kendini eleştirme ve diğer psikopatolojik süreçlerin etkilerinin sınanması
Investigating the roles of self-criticism and psychopathological processes in predicting the severity of psychosis
ZÜLAL ÇELİK
Tıpta Uzmanlık
Türkçe
2019
PsikiyatriSağlık Bilimleri ÜniversitesiPsikiyatri Ana Bilim Dalı
DOÇ. DR. KAASIM FATİH YAVUZ
- İlk atak psikozda tanı sürekliliği ve hastalık seyrinin öngörülmesinde beyin morfolojisi ve periferik inflamasyon belirteçleri ile yordanabilirliğin incelenmesi
Investigation of the predictability of diagnostic stability and disease course in first-episode psychosis using brain morphology and peripheral inflammatory markers
KÜBRA DİKİCİ SARAÇOĞLU
Tıpta Uzmanlık
Türkçe
2026
PsikiyatriSağlık Bilimleri ÜniversitesiRuh Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. SİMGE SEREN KIRLIOĞLU BALCIOĞLU
DOÇ. DR. HALE YAPICI ESER
- Remisyondaki şizofreni hastalarında çocukluk çağı travmalarının işlevsellik ve yaşam kalitesi üzerine etkisi ve psikolojik dayanıklılığın bu etkideki aracı rolü
Effect of childhood traumas on functuality and quality of life and mediating role of psychological resilience on this efect among schizophrenia patients in remission
CENK KILIÇ
Tıpta Uzmanlık
Türkçe
2019
PsikiyatriSağlık Bilimleri ÜniversitesiRuh Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. ÖZLEM DEVRİM BALABAN
- Çocukluk çağı travmasına maruziyetin sistemik lupus eritematozus hastalarında hastalık ağırlığı üzerine etkileri ve aracı değişkenler
Effects of childhood trauma exposure on disease severity in patients with systemic lupus erythematosus and mediating variables
AHMET FARUK NURSAÇAN
Tıpta Uzmanlık
Türkçe
2026
PsikiyatriMarmara ÜniversitesiRuh Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. ÖMER YANARTAŞ