cross-validation

Purpose: This study aimed to design and evaluate an artificial intelligence–based model for predicting the mathematics performance of twelfth-grade experimental sciences students based on individual, educational, and learning technology factors. Methods and Materials: This applied, quantitative, cross-sectional, and predictive study was conducted among twelfth-grade experimental sciences students in Isfahan, Iran. A total of 187 questionnaires were distributed, and after removing incomplete, inconsistent, and invalid records, data from 84 students were retained for analysis. Data were collected using a structured questionnaire assessing individual factors, educational conditions, and learning technology variables, together with students’ recorded mathematics scores. The dataset was divided into training and testing subsets, and repeated five-fold cross-validation was used for internal model development. Multiple linear regression, ridge regression, lasso regression, elastic net regression, decision tree regression, random forest regression, gradient boosting regression, and support vector regression were compared. Model performance was evaluated using mean absolute error, root mean squared error, and the coefficient of determination. Findings: Previous mathematics achievement had the strongest positive correlation with current mathematics performance, followed by mathematics self-efficacy, study regularity, academic motivation, teacher feedback, instructional quality, and educational use of learning technologies. Test anxiety and digital distraction were negatively associated with mathematics performance. Among the evaluated algorithms, gradient boosting regression achieved the best predictive performance, with a test-set mean absolute error of 0.93, root mean squared error of 1.26, and coefficient of determination of .72. Previous mathematics achievement, mathematics self-efficacy, study regularity, teacher feedback, educational use of learning technologies, test anxiety, and instructional quality were the most influential predictors. Adding educational factors increased explained variance from .54 to .65, while including learning technology factors further increased it to .72. Conclusion: The findings indicate that mathematics performance can be predicted with acceptable accuracy by integrating students’ prior achievement, psychological and behavioral characteristics, instructional experiences, and learning technology use within an interpretable artificial intelligence model.

هدف: این مطالعه با هدف طراحی و ارزیابی یک مدل مبتنی بر هوش مصنوعی برای پیش‌بینی عملکرد ریاضی دانش‌آموزان پایه دوازدهم رشته علوم تجربی بر اساس عوامل فردی، آموزشی و فناوری‌های یادگیری انجام شد. روش‌ها و مواد: این پژوهش کاربردی، کمی، مقطعی و پیش‌بینانه در میان دانش‌آموزان پایه دوازدهم رشته علوم تجربی شهر اصفهان، ایران انجام شد. در مجموع ۱۸۷ پرسشنامه توزیع گردید و پس از حذف داده‌های ناقص، ناسازگار و نامعتبر، داده‌های ۸۴ دانش‌آموز برای تحلیل حفظ شد. داده‌ها با استفاده از پرسشنامه ساختاریافته‌ای که عوامل فردی، شرایط آموزشی و متغیرهای فناوری یادگیری را ارزیابی می‌کرد، همراه با نمرات ثبت‌شده ریاضی دانش‌آموزان جمع‌آوری شد. مجموعه داده به زیرمجموعه‌های آموزش و آزمون تقسیم شد و برای توسعه داخلی مدل از اعتبارسنجی متقاطع پنج‌باره تکراری استفاده گردید. رگرسیون خطی چندگانه، رگرسیون ریج، رگرسیون لاسو، رگرسیون الاستیک نت، رگرسیون درخت تصمیم، رگرسیون جنگل تصادفی، رگرسیون گرادیان بوستینگ و رگرسیون بردار پشتیبان با یکدیگر مقایسه شدند. عملکرد مدل با استفاده از میانگین خطای مطلق، ریشه میانگین مربعات خطا و ضریب تعیین ارزیابی شد. یافته‌ها: پیشرفت قبلی در ریاضی بیشترین همبستگی مثبت را با عملکرد فعلی ریاضی داشت و پس از آن خودکارآمدی ریاضی، نظم در مطالعه، انگیزش تحصیلی، بازخورد معلم، کیفیت تدریس و استفاده آموزشی از فناوری‌های یادگیری قرار داشتند. اضطراب امتحان و حواس‌پرتی دیجیتال با عملکرد ریاضی رابطه منفی داشتند. در میان الگوریتم‌های ارزیابی‌شده، رگرسیون گرادیان بوستینگ بهترین عملکرد پیش‌بینی را با میانگین خطای مطلق ۰٫۹۳، ریشه میانگین مربعات خطا ۱٫۲۶ و ضریب تعیین ۰٫۷۲ در مجموعه آزمون به دست آورد. پیشرفت قبلی در ریاضی، خودکارآمدی ریاضی، نظم در مطالعه، بازخورد معلم، استفاده آموزشی از فناوری‌های یادگیری، اضطراب امتحان و کیفیت تدریس از مهم‌ترین پیش‌بین‌ها بودند. افزودن عوامل آموزشی واریانس تبیین‌شده را از ۰٫۵۴ به ۰٫۶۵ افزایش داد و افزودن عوامل فناوری یادگیری آن را به ۰٫۷۲ رساند. نتیجه‌گیری: یافته‌ها نشان می‌دهد که عملکرد ریاضی را می‌توان با دقت قابل قبول از طریق ادغام پیشرفت قبلی دانش‌آموزان، ویژگی‌های روان‌شناختی و رفتاری، تجارب آموزشی و استفاده از فناوری‌های یادگیری در یک مدل مبتنی بر هوش مصنوعی قابل تفسیر پیش‌بینی کرد.

This study develops an approach to predict personality traits based on the Big Five model through essay text by combining global and contextual information using a Vocabulary Graph Convolutional Network (VGCN) and Bidirectional Encoder Representations from Transformers (BERT). VGCN is used to capture global relationships between words through a vocabulary graph representation built based on NPMI weights, while BERT plays a role in producing richer and more contextual text representations. Experimental results show that the integration of structural and contextual features can provide good performance in multi-label classification tasks. Based on the grid search process and 5-fold cross-validation, the best model configuration obtained a macro F1 score of 0.6827 and a weighted F1 score of 0.6829 in out-of-fold prediction. The evaluation results for each feature show that the recall value is close to 1.0, while the precision value ranges from 0.50 to 0.56. This condition indicates a tendency for the model to produce more positive predictions. Furthermore, the results of the study highlight the importance of optimizing the prediction threshold value to obtain a more optimal compromise between precision and recall. Overall, the integration of graph-based semantic information with contextual representations from BERT shows that the VGCN-BERT approach has good potential for application in multi-label personality classification

Objective This study aimed to estimate the prevalence of musculoskeletal symptoms and work-related musculoskeletal disorders (WMSDs) among orthopedic nurses, identify demographic, occupational, and lifestyle characteristics associated with WMSDs, and explore whether routinely collected characteristics could discriminate nurses with WMSDs from those without. Method A single-center cross-sectional study was conducted among nurses at a tertiary orthopedic specialty hospital in China between March and November 2023. Conventional analyses included multivariable logistic regression, modified Poisson regression with robust standard errors, and negative binomial regression. Logistic regression as a benchmark, elastic-net logistic regression, random forest, XGBoost, and support vector machine were compared using repeated 5-fold cross-validation with fold-specific preprocessing. Prediction performance was assessed using AUC with bootstrap 95% CIs, PR-AUC, Brier score, calibration intercept and slope, and descriptive threshold metrics; TreeSHAP was used for model interpretation. Result Among 948 nurses with valid questionnaires, 654 reported musculoskeletal symptoms in the previous 12 months, irrespective of work attribution (68.99%). After excluding 44 participants with uncertain work-related attribution, 604/904 participants were classified as having work-related WMSDs (66.81%). Each 1-point increase in the strict ergonomic risk score was associated with WMSDs in logistic regression (adjusted OR = 2.631, 95% CI 2.039–3.432; p < 0.001) and modified Poisson regression (adjusted PR = 1.283, 95% CI 1.203–1.369; p < 0.001). The highest observed AUC was 0.752 (95% CI 0.721–0.791) for the domain random forest model; the domain XGBoost model had the highest PR-AUC (0.841). Conclusion Musculoskeletal symptoms and WMSDs were common among orthopedic nurses in this single-center sample. Occupational exposure and postural load were associated with WMSDs. The exploratory prediction models showed limited-to-moderate discrimination and warrant prospective multicenter external validation before practical application.

Introduction Deception elicits measurable cognitive and linguistic changes, yet accurately identifying deceptive language in high-stakes environments remains a persistent challenge. Although natural language processing (NLP) and machine learning (ML) techniques have shown promise in detecting misinformation and low-stakes deception, their performance on spontaneous, stress-induced speech remains poorly understood. This study investigates linguistic markers of deception and evaluates the performance of supervised ML models and a knowledge-grounded language model, FranklinAsk™, across both synthetic and real-world datasets. Methods Linguistic analyses were conducted on responses from a National Center for Credibility Assessment (NCCA) military training exercise involving truthful and deceptive participants. A synthetic dataset was generated using MOSTLYAI to provide a balanced corpus for ML training. Linguistic features were extracted using pretrained NLP models, and supervised classifiers, including logistic regression, Random Forest, Naïve Bayes, and Support Vector Machine (SVM), were trained using LIWC-22 features with 10-fold cross-validation. The FranklinAsk™ RAG system was evaluated using the same participant responses to compare knowledge-grounded reasoning with statistical learning. Results Two linguistic features, cardinal numbers (nominal p = 0.041) and particles (nominal p = 0.0486), reached the unadjusted significance threshold, each with a moderate effect size ( d = 0.55); neither remained statistically significant after Benjamini-Hochberg FDR correction (adjusted p = 0.668 for both). No significant sentiment differences were observed. On the synthetic dataset, logistic regression performed best (F1 = 0.930; ROC AUC = 0.978), but all supervised models showed substantial performance declines when applied to the real-world dataset. In contrast, FranklinAsk™ achieved the highest F1-score (0.519), highest accuracy (0.487), and second-highest recall (0.700) on the military exercise data. Discussion These findings highlight the limited generalizability of synthetic-trained deception models to real-world, high-stakes communication and motivate further investigation of knowledge-grounded language models as an alternative approach when labeled real-world training data are limited. Future research should prioritize expanding ecologically valid datasets and exploring hybrid approaches that combine statistical modeling with knowledge-grounded reasoning.

The Gender Development Index (GDI) is an index of achieving basic human development capabilities to measure success in efforts to develop the quality of human life by considering gender inequality. Papua Province is the province with the lowest GDI score when compared to the 34 provinces in Indonesia. This condition shows that there is still a development gap between the male and female genders. For this reason, it is necessary to research the factors that are suspected to influence GDI in Papua Province. In this study, the pattern of GDI data and the factors that are thought to influence it do not form a specific pattern, so we used spline nonparametric regression. Based on this study, the best model is obtained by the optimal knot point based on the smallest Generalized Cross Validation (GCV) value, which are 3-knots and six significant variables, namely, Life Expectancy , Expected Years of Schooling , Female Income Contribution , Sex Ratio , Female Labor Force Participation Rate , High School Enrollment Rate. This model has an of 99.95%. The predictor variable used has an effect of 99.95%, and other variables influence the rest.

شاخص توسعه جنسیتی (GDI) شاخصی برای سنجش دستیابی به قابلیت‌های اساسی توسعه انسانی به منظور اندازه‌گیری موفقیت در تلاش‌ها برای ارتقای کیفیت زندگی انسانی با در نظر گرفتن نابرابری جنسیتی است. استان پاپوآ پایین‌ترین امتیاز GDI را در مقایسه با ۳۴ استان اندونزی دارد. این وضعیت نشان‌دهنده وجود شکاف توسعه‌ای میان جنسیت‌های مرد و زن است. از این رو، پژوهش درباره عواملی که احتمالاً بر GDI در استان پاپوآ تأثیرگذارند، ضروری است. در این مطالعه، الگوی داده‌های GDI و عوامل مؤثر بر آن، الگوی خاصی را تشکیل نمی‌دهند؛ بنابراین از رگرسیون ناپارامتریک اسپلاین استفاده شد. بر اساس این پژوهش، بهترین مدل با نقطه گره بهینه بر اساس کمترین مقدار اعتبارسنجی متقاطع تعمیم‌یافته (GCV) به دست آمد که شامل ۳ گره و شش متغیر معنادار است: امید به زندگی، سال‌های مورد انتظار تحصیل، سهم درآمد زنان، نسبت جنسی، نرخ مشارکت نیروی کار زنان و نرخ ثبت‌نام دبیرستان. این مدل دارای ضریب تعیین ۹۹٫۹۵٪ است. متغیرهای پیش‌بین مورد استفاده تأثیری معادل ۹۹٫۹۵٪ دارند و سایر متغیرها بر باقیمانده تأثیرگذارند.

OBJECTIVE: Multi-view electroencephalography (EEG) emotion recognition must decide how the spectral graph sets of different connectivity views correspond and how their graph propagation operators interact. We present CSTO-Net, a cross-view spectral-transport and topology-operator network for EEG-based emotion recognition. Approach: CSTO-Net integrates three window-wise views: dynamic differential entropy (DDE) as node attributes, amplitude-envelope Pearson correlation coefficient (PCC) graphs, and phase-locking value (PLV) graphs. Cross-View Spectral Transport Routing (CSTR) formulates PCC-PLV spectral correspondence as an entropy-regularized optimal-transport problem with explicit marginal constraints, deliberately separating correspondence estimation from band-importance estimation. Directional Cross-Topology Modulation (DCTM) performs ordered composition of the two routed propagation operators on shared node features and encodes order-dependent propagation discrepancy via a provably skew-symmetric graph-operator commutator with signed decomposition. Main results: On the Database for Emotion Analysis using Physiological Signals (DEAP) dataset, CSTO-Net achieves 93.95 ± 2.50% valence and 94.97 ± 2.72% arousal accuracy under the subject-dependent setting, and 93.73% and 94.54% under participant-wise five-fold subject-independent cross-validation across 32 participants. On the SJTU Emotion EEG Dataset (SEED), it achieves 93.12% under the standard subject-dependent split, 91.36% under 15-fold leave-one-subject-out evaluation across 15 participants, and 98.05 ± 2.32% under subject-dependent five-fold cross-validation. Ablation studies confirm that both CSTR and DCTM contribute substantially to recognition accuracy. Significance: These results demonstrate that explicit cross-view spectral correspondence and topology-operator-level interaction provide complementary benefits for EEG emotion recognition, offering an interpretable route for modeling order-sensitive interactions between functional connectivity views.

هدف: شناسایی هیجان مبتنی بر الکتروانسفالوگرافی چندنما (EEG) باید تعیین کند که مجموعه‌های گراف طیفی نماهای مختلف ارتباطی چگونه با یکدیگر متناظر می‌شوند و عملگرهای انتشار گراف آن‌ها چگونه با هم تعامل دارند. ما CSTO-Net را ارائه می‌دهیم؛ شبکه‌ای برای انتقال طیفی بین‌نما و عملگر توپولوژی جهت شناسایی هیجان مبتنی بر EEG. روش: CSTO-Net سه نمای مبتنی بر پنجره را ادغام می‌کند: آنتروپی تفاضلی پویا (DDE) به عنوان ویژگی‌های گره، گراف‌های ضریب همبستگی پیرسون پوش‌آمپلیتیود (PCC) و گراف‌های مقدار قفل‌شدگی فاز (PLV). مسیریابی انتقال طیفی بین‌نما (CSTR) متناظر بودن طیفی PCC-PLV را به صورت یک مسئله انتقال بهینه با قید حاشیه‌ای صریح و منظم‌سازی آنتروپی مدل‌سازی می‌کند و به طور هدفمند برآورد متناظری را از برآورد اهمیت باند جدا می‌سازد. مدولاسیون متقاطع توپولوژی جهت‌دار (DCTM) ترکیب مرتب دو عملگر انتشار مسیریابی‌شده را بر ویژگی‌های گره مشترک انجام می‌دهد و اختلاف انتشار وابسته به ترتیب را از طریق یک جابجایی عملگر گراف با تجزیه علامت‌دار و اثباتاً پادمتقارن رمزگذاری می‌کند. نتایج اصلی: بر روی پایگاه داده تحلیل هیجان با استفاده از سیگنال‌های فیزیولوژیک (DEAP)، CSTO-Net به دقت 93.95 ± 2.50٪ برای والانس و 94.97 ± 2.72٪ برای برانگیختگی در شرایط وابسته به آزمودنی دست می‌یابد و در اعتبارسنجی متقاطع پنج‌تایی مستقل از آزمودنی به ترتیب 93.73٪ و 94.54٪ در میان 32 آزمودنی کسب می‌کند. بر روی پایگاه داده EEG هیجان دانشگاه SJTU (SEED)، به دقت 93.12٪ در تقسیم‌بندی استاندارد وابسته به آزمودنی، 91.36٪ در ارزیابی leave-one-subject-out پانزده‌تایی در میان 15 آزمودنی و 98.05 ± 2.32٪ در اعتبارسنجی متقاطع پنج‌تایی وابسته به آزمودنی دست می‌یابد. مطالعات حذف مؤلفه نشان می‌دهد که هر دو مؤلفه CSTR و DCTM سهم قابل توجهی در دقت شناسایی دارند. اهمیت: این نتایج نشان می‌دهد که متناظر‌سازی طیفی بین‌نما و تعامل در سطح عملگر توپولوژی، مزایای مکملی برای شناسایی هیجان مبتنی بر EEG فراهم می‌آورد و مسیر قابل تفسیر برای مدل‌سازی تعاملات حساس به ترتیب بین نماهای ارتباط عملکردی ارائه می‌دهد.

Fatigue severely degrades operational reliability in high-risk operational settings such as aviation maintenance. Although multimodal physiological signals support objective fatigue assessment, many existing models emphasize temporal patterns without explicitly modeling dependencies among physiological features across modalities. We propose a Physiology-Guided Parallel Graph–Transformer Network (PGTNet) for multimodal fatigue recognition, which incorporates physiologically motivated fatigue-related features derived from multimodal physiological signals. Parallel DGCN and Transformer branches jointly model physiological feature relationships and long-range temporal dependencies, and their representations are integrated through a bidirectional cross-attention mechanism. Under the predefined subject-independent partition, PGTNet achieves an Accuracy of 0.8778 and a Macro-AUC of 0.9648. Eight-fold subject-wise cross-validation yields an average Accuracy of 0.8592 ± 0.0112 across the eight held-out subjects. These results support the effectiveness of PGTNet within the present dataset.

خستگی به طور جدی پایایی عملیاتی را در محیط‌های عملیاتی پرخطر مانند تعمیر و نگهداری هوانوردی کاهش می‌دهد. اگرچه سیگنال‌های فیزیولوژیکی چندوجهی از ارزیابی عینی خستگی پشتیبانی می‌کنند، بسیاری از مدل‌های موجود بر الگوهای زمانی تأکید دارند بدون آنکه به طور صریح وابستگی‌های میان ویژگی‌های فیزیولوژیکی در میان وجه‌ها را مدل‌سازی کنند. ما یک شبکه گراف-ترنسفورمر موازی با راهنمایی فیزیولوژیکی (PGTNet) را برای شناسایی خستگی چندوجهی پیشنهاد می‌کنیم که ویژگی‌های مرتبط با خستگی با انگیزه فیزیولوژیکی را که از سیگنال‌های فیزیولوژیکی چندوجهی استخراج شده‌اند، دربر می‌گیرد. شاخه‌های موازی DGCN و ترنسفورمر به طور مشترک روابط ویژگی‌های فیزیولوژیکی و وابستگی‌های زمانی بلندمدت را مدل‌سازی می‌کنند و بازنمایی‌های آن‌ها از طریق یک سازوکار توجه متقاطع دوسویه ادغام می‌شوند. تحت تقسیم‌بندی از پیش تعیین‌شده مستقل از آزمودنی، PGTNet به دقت (Accuracy) برابر با 0.8778 و Macro-AUC برابر با 0.9648 دست می‌یابد. اعتبارسنجی متقاطع هشت‌تایی مبتنی بر آزمودنی به طور میانگین دقت 0.8592 ± 0.0112 را در میان هشت آزمودنی کنارگذاشته‌شده نشان می‌دهد. این نتایج اثربخشی PGTNet را در مجموعه داده حاضر تأیید می‌کند.

Suicidal ideation in people with suicide attempt histories may reflect dispositional, contextual, and interpersonal factors. We examined associations among Dark Triad traits, life-event stress, perceived social support, and suicidal ideation in 235 adults with suicide attempt histories recruited from several hospitals and clinics in Iran (53.6% women, 46.4% men; mean age = 33.97 years, SD = 7.90). Participants completed validated self-report measures, and data were analyzed using Bayesian path models, regularized partial-correlation networks, and repeated nested cross-validated elastic-net regression. Across analyses, greater life-event stress was associated with lower perceived social support, and lower perceived support was associated with greater suicidal ideation. Narcissism showed the clearest positive association with suicidal ideation among the Dark Triad traits. The network placed perceived social support at a central position in the multivariable system, and cross-validation indicated that models including perceived social support performed better than models without it. These cross-sectional findings identify perceived social support and narcissism as consistent correlates of suicidal ideation but do not establish temporal or causal relations.

افکار خودکشی در افراد با سابقه اقدام به خودکشی ممکن است بازتاب‌دهنده عوامل سرشتی، زمینه‌ای و بین‌فردی باشد. در این پژوهش، ارتباط میان ویژگی‌های سه‌گانه تاریک، استرس رویدادهای زندگی، حمایت اجتماعی ادراک‌شده و افکار خودکشی در ۲۳۵ بزرگسال با سابقه اقدام به خودکشی که از چندین بیمارستان و درمانگاه در ایران جذب شده بودند (۵۳/۶٪ زن، ۴۶/۴٪ مرد؛ میانگین سن = ۳۳/۹۷ سال، انحراف معیار = ۷/۹۰) بررسی شد. شرکت‌کنندگان پرسشنامه‌های خودگزارش‌دهی معتبر را تکمیل کردند و داده‌ها با استفاده از مدل‌های مسیر بیزی، شبکه‌های همبستگی جزئی منظم‌شده و رگرسیون الاستیک نت تودرتو و تکرارشونده با اعتبارسنجی متقاطع تحلیل شدند. در تمامی تحلیل‌ها، استرس بیشتر ناشی از رویدادهای زندگی با حمایت اجتماعی ادراک‌شده کمتر و حمایت اجتماعی ادراک‌شده کمتر با افکار خودکشی بیشتر همراه بود. در میان ویژگی‌های سه‌گانه تاریک، نارسیسیسم بیشترین ارتباط مثبت را با افکار خودکشی نشان داد. شبکه، حمایت اجتماعی ادراک‌شده را در موقعیت مرکزی سیستم چندمتغیره قرار داد و اعتبارسنجی متقاطع نشان داد مدل‌هایی که حمایت اجتماعی ادراک‌شده را دربرمی‌گیرند عملکرد بهتری نسبت به مدل‌های فاقد آن دارند. این یافته‌های مقطعی، حمایت اجتماعی ادراک‌شده و نارسیسیسم را به عنوان همبسته‌های ثابت افکار خودکشی شناسایی می‌کنند اما روابط زمانی یا علّی را اثبات نمی‌کنند.

Background Depression is a prevalent mental health condition that significantly affects individuals’ well-being and daily functioning, making early depressive symptom detection crucial. Objectives This study explores the potential of advancing speech analytics with dimensional sentiment analysis, using valence and arousal scoring to enhance depressive symptom detection in family caregivers. Methods We recruited 116 family caregivers and assessed their depression levels using the Beck Depression Inventory-II. Participants provided verbal responses to 12 open-ended questions related to family resilience. The extracted words from the responses were analyzed for sentiment using the Chinese Valence-Arousal Words dictionary to determine their valence and arousal ratings. For each participant, we computed various summary statistics (e.g., mean, variance, quantiles) and frequency-domain statistics (e.g., spectral entropy, dominant frequency components) of valence and arousal distributions. These features were then used as predictors in nine different machine learning models evaluated under repeated 5-fold nested cross-validation with cost-sensitive cutoff selection, enabling robust classification of depression levels while prioritizing the identification of true positive cases. Results Our analysis showed that participants with higher depressive symptoms used words with more extreme valence and arousal scores than those with lower depressive symptoms. The models demonstrated strong predictive utility of these emotional dimensions: the quadratic discriminant analysis (QDA) model achieved an out-of-sample sensitivity of 0.725, a specificity of 0.563, and an AUC of 0.7. These findings support that valence and arousal analysis provides meaningful discriminative power for identifying depressive symptoms. Importantly, the high sensitivity achieved by these models ensures that individuals with elevated symptoms are more reliably detected, thereby reducing the risk of missed cases. Overall, the results suggest strong potential for automated depressive symptom detection based on emotional signal analysis, with cost-sensitive optimization reducing false negatives while maintaining clinically relevant specificity. Conclusions This study offers proof-of-concept evidence that emotional sentiment analysis of speech using valence and arousal scoring can capture linguistic markers associated with depressive symptoms among family caregivers. With further refinement and validation, this approach lays an important foundation for the development of more robust machine learning models and ultimately contributes to non-intrusive mental health screening tools.

زمینه و هدف: افسردگی یکی از اختلالات شایع سلامت روان است که به طور قابل توجهی بر بهزیستی و عملکرد روزانه افراد تأثیر می‌گذارد و شناسایی زودهنگام نشانه‌های افسردگی را ضروری می‌سازد. هدف: این پژوهش به بررسی قابلیت ارتقای تحلیل گفتار با استفاده از تحلیل احساسی بُعدی و امتیازدهی والنس و برانگیختگی جهت بهبود شناسایی نشانه‌های افسردگی در مراقبان خانوادگی می‌پردازد. روش‌ها: تعداد ۱۱۶ مراقب خانوادگی جذب شدند و سطح افسردگی آن‌ها با استفاده از پرسشنامه افسردگی بک-نسخه دوم (Beck Depression Inventory-II) ارزیابی شد. شرکت‌کنندگان به ۱۲ پرسش باز مرتبط با تاب‌آوری خانواده به صورت شفاهی پاسخ دادند. واژه‌های استخراج‌شده از پاسخ‌ها با استفاده از فرهنگ واژگان چینی والنس-برانگیختگی از نظر احساسات مورد تحلیل قرار گرفت تا امتیازهای والنس و برانگیختگی آن‌ها تعیین شود. برای هر شرکت‌کننده، آمارهای خلاصه مختلف (مانند میانگین، واریانس، صدک‌ها) و آمارهای حوزه فرکانس (مانند آنتروپی طیفی، مؤلفه‌های فرکانسی غالب) توزیع والنس و برانگیختگی محاسبه شد. این ویژگی‌ها به عنوان متغیرهای پیش‌بین در نه مدل مختلف یادگیری ماشین که با اعتبارسنجی متقاطع تودرتوی ۵-تایی تکرارشونده و انتخاب نقطه برش حساس به هزینه ارزیابی شدند، مورد استفاده قرار گرفتند تا طبقه‌بندی قوی سطوح افسردگی با اولویت شناسایی موارد مثبت واقعی فراهم شود. نتایج: تحلیل ما نشان داد شرکت‌کنندگانی که نشانه‌های افسردگی بیشتری داشتند، واژه‌هایی با امتیازهای والنس و برانگیختگی افراطی‌تر نسبت به افراد با نشانه‌های افسردگی کمتر به کار بردند. مدل‌ها سودمندی پیش‌بینی قوی این ابعاد هیجانی را نشان دادند: مدل تحلیل ممیز مربعی (QDA) حساسیت خارج از نمونه ۰.۷۲۵، ویژگی ۰.۵۶۳ و سطح زیر منحنی (AUC) برابر با ۰.۷ را به دست آورد. این یافته‌ها نشان می‌دهد که تحلیل والنس و برانگیختگی قدرت تمایز معناداری برای شناسایی نشانه‌های افسردگی فراهم می‌کند. مهم‌تر آنکه حساسیت بالای این مدل‌ها تضمین می‌کند که افراد با نشانه‌های بالا با اطمینان بیشتری شناسایی می‌شوند و در نتیجه خطر موارد از دست رفته کاهش می‌یابد. به طور کلی، نتایج نشان‌دهنده پتانسیل قوی برای شناسایی خودکار نشانه‌های افسردگی بر اساس تحلیل سیگنال‌های هیجانی است که با بهینه‌سازی حساس به هزینه، موارد منفی کاذب را کاهش داده و در عین حال ویژگی بالینی مرتبط را حفظ می‌کند. نتیجه‌گیری: این مطالعه شواهد اثبات مفهومی ارائه می‌دهد که تحلیل احساسات هیجانی گفتار با استفاده از امتیازدهی والنس و برانگیختگی می‌تواند نشانگرهای زبانی مرتبط با نشانه‌های افسردگی در میان مراقبان خانوادگی را شناسایی کند. با اصلاح و اعتبارسنجی بیشتر، این رویکرد می‌تواند پایه‌ای مهم برای توسعه مدل‌های یادگیری ماشین قوی‌تر و در نهایت ابزارهای غربالگری سلامت روان غیرتهاجمی فراهم آورد.

High machine-learning accuracy in classifying ADHD-related writing does not necessarily establish an ADHD-specific linguistic phenotype, as predictions may reflect diagnostic vocabulary, medication references, or community-specific topics rather than cognitive organization. This study evaluated an interpretable cognitive-congestion language profile (LCCI) and a negative-signature framework for detecting disorder-specific linguistic distinctiveness. A dataset of 25,000 Reddit-derived posts from ADHD, OCD, depression, PTSD, and Asperger/autism-related communities was analyzed using condition-name masking and author-grouped cross-validation. Twenty-five features measuring discourse structure, uncertainty, urgency, lexical diversity, and coherence were compared with TF-IDF classification. The equal-weight LCCI composite performed near chance (ROC-AUC 0.506), while the multivariable profile achieved ROC-AUC 0.654, increasing to 0.681 with learned weights. Individual feature differences were small. TF-IDF substantially outperformed LCCI (ROC-AUC 0.940), with negligible improvement from combining them. An audit classified 59 of 60 high-weight TF-IDF coefficients (98.3%) as topic-related, without quantifying their contribution to predictive performance. To test specificity independently of supervised classification, the negative-signature framework excluded each psychiatric community in turn, constructed a reference language manifold from the remaining communities, and measured residual distinctiveness using PCA reconstruction, shrinkage Mahalanobis distance, and isolation forest. ADHD exhibited no positive residual signal (ROC-AUC 0.451, 0.419, and 0.429, respectively), while OCD showed the greatest residual separability. These findings distinguish predictive discrimination, interpretable linguistic association, and disorder specificity. The principal contribution is a reproducible, generalizable falsification framework demonstrating that strong supervised classification does not establish an ADHD-specific linguistic phenotype and providing a means to evaluate candidate linguistic biomarkers before clinical translation.

دقت بالای یادگیری ماشین در طبقه‌بندی نوشتارهای مرتبط با ADHD لزوماً وجود یک فنوتیپ زبانی خاص برای ADHD را اثبات نمی‌کند، چرا که پیش‌بینی‌ها ممکن است بازتاب واژگان تشخیصی، اشاره به داروها یا موضوعات خاص جامعه باشند و نه سازمان‌دهی شناختی. این مطالعه به ارزیابی یک نمایه زبانی قابل تفسیر ازدحام‌شناختی (LCCI) و چارچوب امضای منفی برای شناسایی تمایز زبانی خاص اختلال پرداخت. یک مجموعه‌داده شامل ۲۵٬۰۰۰ پست استخراج‌شده از Reddit از جوامع مرتبط با ADHD، OCD، افسردگی، PTSD و Asperger/autism با استفاده از ماسک‌کردن نام اختلال و اعتبارسنجی متقاطع گروه‌بندی‌شده بر اساس نویسنده تحلیل شد. بیست‌وپنج ویژگی ساختار گفتمان، عدم قطعیت، فوریت، تنوع واژگانی و انسجام با طبقه‌بندی TF-IDF مقایسه شدند. ترکیب LCCI با وزن برابر عملکردی نزدیک به تصادف داشت (ROC-AUC 0.506)، در حالی که نمایه چندمتغیره به ROC-AUC 0.654 رسید که با وزن‌های یادگرفته‌شده تا 0.681 افزایش یافت. تفاوت ویژگی‌های منفرد اندک بود. TF-IDF به طور قابل توجهی عملکرد بهتری نسبت به LCCI داشت (ROC-AUC 0.940) و ترکیب آن‌ها بهبود ناچیزی ایجاد کرد. در یک ممیزی، ۵۹ مورد از ۶۰ ضریب با وزن بالای TF-IDF (۹۸.۳٪) به عنوان مرتبط با موضوع طبقه‌بندی شدند، بدون آنکه سهم آن‌ها در عملکرد پیش‌بینی کمی‌سازی شود. برای آزمون ویژگی به طور مستقل از طبقه‌بندی نظارت‌شده، چارچوب امضای منفی هر جامعه روان‌پزشکی را به نوبت حذف کرد، یک منیفولد زبانی مرجع از جوامع باقی‌مانده ساخت و تمایز باقیمانده را با استفاده از بازسازی PCA، فاصله Mahalanobis با انقباض و isolation forest اندازه‌گیری کرد. ADHD هیچ سیگنال باقیمانده مثبتی نشان نداد (ROC-AUC به ترتیب 0.451، 0.419 و 0.429)، در حالی که OCD بیشترین قابلیت جداسازی باقیمانده را داشت. این یافته‌ها تمایز میان تبعیض پیش‌بینانه، ارتباط زبانی قابل تفسیر و ویژگی اختلال را نشان می‌دهد. مهم‌ترین دستاورد، ارائه یک چارچوب ابطال‌پذیر و قابل تعمیم است که نشان می‌دهد طبقه‌بندی نظارت‌شده قوی، وجود فنوتیپ زبانی خاص ADHD را اثبات نمی‌کند و روشی برای ارزیابی زیست‌نشانگرهای زبانی پیشنهادی پیش از ترجمه بالینی ارائه می‌دهد.

Comprehensive self-report personality inventories can impose substantial response burden, motivating the development of more efficient assessment strategies and the exploration of complementary information sources. Guided by Dual-Process Theory, this exploratory study examined a questionnaire-primary residual fusion framework in which a reduced questionnaire response vector served as the main predictive source, while static abstract line drawings were evaluated as a bounded auxiliary source of information. A total of 100 participants completed the 187-item Sixteen Personality Factor Questionnaire (16PF) and provided unprompted abstract line drawings. To account for the small sample size and reduce optimistic bias, we used participant-level repeated cross-validation, fold-local questionnaire item selection, standardized image preprocessing, cross-fitted residual learning, and nested selection of the visual correction scale. The reduced questionnaire provided a useful but imperfect held-out approximation of the full-form 16PF reference scores, with factor-level Pearson correlations ranging from 0.34 to 0.78. In contrast, the static drawing modality did not provide stable incremental predictive value. Nested validation selected a zero visual correction in 21 of 25 outer folds, and the fixed scale originally proposed for visual correction (0.05) produced a slightly higher mean absolute error than the questionnaire-only condition (1.2120 vs. 1.2100). An exploratory analysis using teacher-provided observer ratings likewise showed no advantage for visual fusion over questionnaire-only prediction. These findings indicate that Dual-Process Theory can motivate a testable asymmetric framework for integrating explicit and non-verbal information, but the present data do not support static final line drawings as a reliable source of incremental personality information. Future research should examine richer process-level drawing signals, including stroke timing, pauses, pressure, and trajectory dynamics, in larger independent samples.

فهرست‌های جامع خودگزارشی شخصیت می‌توانند بار پاسخ‌دهی قابل توجهی را بر شرکت‌کنندگان تحمیل کنند، که این امر انگیزه‌ای برای توسعه راهبردهای ارزیابی کارآمدتر و بررسی منابع اطلاعاتی مکمل فراهم می‌کند. این مطالعه اکتشافی با راهنمایی نظریه فرایند دوگانه، چارچوبی ترکیبی از پرسشنامه و باقیمانده اولیه را مورد بررسی قرار داد که در آن، بردار پاسخ پرسشنامه کاهش‌یافته به عنوان منبع اصلی پیش‌بینی به کار گرفته شد و نقاشی‌های خطی انتزاعی ایستا به عنوان منبع کمکی محدود اطلاعات ارزیابی شدند. در مجموع ۱۰۰ شرکت‌کننده، پرسشنامه ۱۶ عاملی شخصیت (16PF) با ۱۸۷ ماده را تکمیل کردند و نقاشی‌های خطی انتزاعی بدون راهنمایی ارائه دادند. به منظور جبران حجم نمونه کوچک و کاهش سوگیری خوش‌بینانه، از اعتبارسنجی متقاطع تکراری در سطح شرکت‌کننده، انتخاب ماده پرسشنامه به صورت محلی در هر fold، پیش‌پردازش استاندارد تصویر، یادگیری باقیمانده متقاطع و انتخاب تو در توی مقیاس اصلاح بصری استفاده شد. پرسشنامه کاهش‌یافته، تقریب مفیدی اما ناقص از نمرات مرجع فرم کامل 16PF در داده‌های نگه‌داشته‌شده ارائه داد، به طوری که همبستگی پیرسون در سطح عامل بین ۰٫۳۴ تا ۰٫۷۸ متغیر بود. در مقابل، مدالیته نقاشی ایستا ارزش افزوده پیش‌بینی‌کننده پایداری ارائه نکرد. اعتبارسنجی تو در تو در ۲۱ مورد از ۲۵ fold بیرونی، اصلاح بصری صفر را انتخاب کرد و مقیاس ثابتی که در ابتدا برای اصلاح بصری پیشنهاد شده بود (۰٫۰۵)، میانگین خطای مطلق کمی بالاتری نسبت به حالت صرفاً پرسشنامه‌ای ایجاد کرد (۱٫۲۱۲۰ در مقابل ۱٫۲۱۰۰). تحلیل اکتشافی با استفاده از ارزیابی‌های مشاهده‌گر ارائه‌شده توسط معلم نیز هیچ مزیتی برای ترکیب بصری نسبت به پیش‌بینی صرفاً پرسشنامه‌ای نشان نداد. این یافته‌ها نشان می‌دهد که نظریه فرایند دوگانه می‌تواند چارچوب نامتقارن قابل آزمونی برای ادغام اطلاعات صریح و غیرکلامی فراهم کند، اما داده‌های حاضر از نقاشی‌های خطی نهایی ایستا به عنوان منبع قابل اعتماد اطلاعات افزوده شخصیت حمایت نمی‌کند. پژوهش‌های آینده باید سیگنال‌های غنی‌تر فرایندی نقاشی، از جمله زمان‌بندی ضربه، مکث‌ها، فشار و پویایی مسیر را در نمونه‌های مستقل بزرگ‌تر بررسی کنند.

This cross-sectional study aimed to develop and preliminarily validate a machine learning model for preliminary forward head posture (FHP) screening and deploy the final model as an online tool. Among 825 university students, 625 comprised the development dataset (training set, n = 437; test set, n = 188), and 200 the exploratory external validation dataset. FHP was defined as a craniovertebral angle < 50°. Six machine learning models were compared through nested cross-validation. Restricted cubic splines and Shapley additive explanations analysis were used for exploratory association analysis and model interpretation, respectively. Random forest (RF) achieved the highest sensitivity in nested cross-validation (0.748, 95% CI 0.661–0.825) and was therefore selected as the final model based on the prespecified priority of reducing missed cases. In the external validation, RF achieved an AUC of 0.827 (0.751–0.896), sensitivity of 0.745 (0.615–0.865), specificity of 0.784 (0.715–0.845), and Brier score of 0.125 (0.097–0.154). Body mass index contributed most to model output and showed a significant nonlinear association with FHP (adjusted p = 0.017). The model showed moderate-to-good discrimination for FHP among university students and may offer a relatively accessible approach to preliminary FHP screening.

این مطالعه مقطعی با هدف توسعه و اعتبارسنجی اولیه یک مدل یادگیری ماشین برای غربالگری اولیه وضعیت سر به جلو (FHP) و پیاده‌سازی مدل نهایی به عنوان یک ابزار آنلاین انجام شد. از میان ۸۲۵ دانشجوی دانشگاه، ۶۲۵ نفر مجموعه داده توسعه (مجموعه آموزش، n = ۴۳۷؛ مجموعه آزمون، n = ۱۸۸) و ۲۰۰ نفر مجموعه داده اعتبارسنجی اکتشافی خارجی را تشکیل دادند. FHP به عنوان زاویه کرانیوورتبرال کمتر از ۵۰ درجه تعریف شد. شش مدل یادگیری ماشین از طریق اعتبارسنجی متقاطع تو در تو مقایسه شدند. برای تحلیل اکتشافی ارتباط و تفسیر مدل به ترتیب از اسپلاین‌های مکعبی محدود و تحلیل توضیحات افزایشی Shapley استفاده شد. مدل جنگل تصادفی (RF) بالاترین حساسیت را در اعتبارسنجی متقاطع تو در تو (۰.۷۴۸، ۹۵٪ CI: ۰.۶۶۱–۰.۸۲۵) به دست آورد و بر اساس اولویت از پیش تعیین‌شده برای کاهش موارد از دست رفته به عنوان مدل نهایی انتخاب شد. در اعتبارسنجی خارجی، RF به AUC برابر با ۰.۸۲۷ (۰.۷۵۱–۰.۸۹۶)، حساسیت ۰.۷۴۵ (۰.۶۱۵–۰.۸۶۵)، ویژگی ۰.۷۸۴ (۰.۷۱۵–۰.۸۴۵) و امتیاز Brier معادل ۰.۱۲۵ (۰.۰۹۷–۰.۱۵۴) دست یافت. شاخص توده بدنی بیشترین سهم را در خروجی مدل داشت و ارتباط غیرخطی معناداری با FHP نشان داد (p تعدیل‌شده = ۰.۰۱۷). مدل مذکور تمایز متوسط تا خوبی را برای FHP در میان دانشجویان دانشگاه نشان داد و ممکن است رویکردی نسبتاً در دسترس برای غربالگری اولیه FHP ارائه دهد.

Background Adolescent suicide attempt is a major public health concern linked to psychosocial distress, school environment, health-risk behaviors, and physical activity patterns. This study aimed to develop an explainable XGBoost model for adolescent suicide-attempt status and to determine whether physical inactivity and low physical education (PE) participation could serve as informative school-based indicators. Methods Data were obtained from the Global School-based Student Health Survey conducted in Argentina in 2018, Anguilla in 2016, and Jamaica in 2017. The Argentina dataset was used for model training, while Anguilla and Jamaica were combined as an independent validation cohort. The outcome was self-reported suicide attempt during the past 12 months. Candidate predictors included demographic, anthropometric, dietary, psychosocial, violence- and injury-related, tobacco-related, sexual behavior, physical activity, and PE-related variables. An XGBoost model was developed using nested cross-validation, staged hyperparameter tuning, and Bayesian fine-tuning. Model performance was evaluated by the area under the receiver operating characteristic curve (AUC). SHAP and partial dependence plots were used for interpretation. Results A total of 27,710 adolescents were included; 5,165 (18.6%) reported at least one suicide attempt. The final model achieved an independent validation AUC of 0.7928 (95% CI: 0.7790–0.8066). The top 18 SHAP-ranked predictors retained a cumulative 10-fold cross-validated AUC of 0.7865. Loneliness was the most influential predictor, followed by sex, insomnia, early cigarette use, PE days, physical attack, school peer kindness, and physical activity. Physical inactivity and low PE participation showed nonlinear associations with predicted suicide-attempt risk. Conclusions Loneliness and insomnia represented the psychosocial vulnerability profile, while physical inactivity and limited PE participation emerged as potentially informative school-based indicators requiring further longitudinal investigation. These findings support risk-stratified prevention strategies integrating early psychological identification with inclusive, socially supportive physical activity and PE programs.

زمینه و هدف: اقدام به خودکشی در نوجوانان یکی از نگرانی‌های عمده سلامت عمومی است که با پریشانی روانی‌اجتماعی، محیط مدرسه، رفتارهای پرخطر سلامت و الگوهای فعالیت بدنی مرتبط است. هدف این مطالعه، توسعه یک مدل XGBoost توضیح‌پذیر برای وضعیت اقدام به خودکشی در نوجوانان و تعیین این بود که آیا بی‌تحرکی بدنی و مشارکت پایین در آموزش تربیت بدنی (PE) می‌تواند به عنوان شاخص‌های مدرسه‌محور اطلاعاتی عمل کند یا خیر. روش‌ها: داده‌ها از پیمایش جهانی سلامت دانش‌آموزان مدرسه‌ای که در آرژانتین در سال ۲۰۱۸، آنگویلا در سال ۲۰۱۶ و جامائیکا در سال ۲۰۱۷ انجام شد، به دست آمد. داده‌های آرژانتین برای آموزش مدل استفاده شد و داده‌های آنگویلا و جامائیکا به عنوان گروه اعتبارسنجی مستقل ترکیب شدند. متغیر پیامد، اقدام به خودکشی خوداظهاری‌شده در ۱۲ ماه گذشته بود. پیش‌بین‌های کاندید شامل متغیرهای جمعیت‌شناختی، انسان‌سنجی، تغذیه‌ای، روانی‌اجتماعی، مرتبط با خشونت و آسیب، مرتبط با دخانیات، رفتار جنسی، فعالیت بدنی و متغیرهای مرتبط با PE بود. یک مدل XGBoost با استفاده از اعتبارسنجی متقاطع تو در تو، تنظیم مرحله‌ای ابرپارامترها و تنظیم دقیق بیزی توسعه یافت. عملکرد مدل با مساحت زیر منحنی مشخصه عملکرد گیرنده (AUC) ارزیابی شد. برای تفسیر مدل از نمودارهای SHAP و وابستگی جزئی استفاده شد. نتایج: در مجموع ۲۷٬۷۱۰ نوجوان وارد مطالعه شدند؛ ۵٬۱۶۵ نفر (۱۸٫۶٪) حداقل یک بار اقدام به خودکشی را گزارش کردند. مدل نهایی به AUC اعتبارسنجی مستقل ۰٫۷۹۲۸ (۹۵٪ CI: ۰٫۷۷۹۰–۰٫۸۰۶۶) دست یافت. ۱۸ پیش‌بین برتر بر اساس رتبه‌بندی SHAP، AUC اعتبارسنجی متقاطع ۱۰-تایی تجمعی ۰٫۷۸۶۵ را حفظ کردند. احساس تنهایی تأثیرگذارترین پیش‌بین بود و پس از آن جنسیت، بی‌خوابی، مصرف زودهنگام سیگار، روزهای PE، حمله فیزیکی، مهربانی همسالان مدرسه و فعالیت بدنی قرار داشتند. بی‌تحرکی بدنی و مشارکت پایین در PE ارتباطات غیرخطی با خطر پیش‌بینی‌شده اقدام به خودکشی نشان دادند. نتیجه‌گیری: احساس تنهایی و بی‌خوابی نمایانگر پروفایل آسیب‌پذیری روانی‌اجتماعی بودند، در حالی که بی‌تحرکی بدنی و مشارکت محدود در PE به عنوان شاخص‌های مدرسه‌محور بالقوه اطلاعاتی ظاهر شدند که نیازمند بررسی طولی بیشتر هستند. این یافته‌ها از راهبردهای پیشگیری مبتنی بر طبقه‌بندی خطر که شناسایی روان‌شناختی زودهنگام را با برنامه‌های فعالیت بدنی و تربیت بدنی فراگیر و حمایت‌گر اجتماعی ادغام می‌کنند، حمایت می‌نماید.