哥伦比亚大学探究项目 | 睡眠与悲伤:睡眠障碍与抑郁症的网络分析

描述

哥伦比亚大学探究项目

睡眠与悲伤:睡眠障碍与抑郁症的网络分析

课题简介

现代社会很多人受工作学习、生活压力、应酬社交多重因素的影响处于睡眠不健康状态,尤其是很多人喜欢睡前玩手机,这不仅会导致睡眠时相延迟,还会引起生物节律紊乱,最终影响睡眠及情绪健康。

抑郁症和睡眠障碍就是两种高度共病的精神障碍。事实上,睡眠问题通常被认为是抑郁症的一大症状。然而,睡眠时长、睡眠时间变化性、入睡时间、睡眠药物使用等不同问题和抑郁症关系不尽相同,且抑郁和睡眠问题在核心症状的确认和治疗顺序上有较大争议。

本课题旨在运用网络分析技术对中国工人睡眠和抑郁问题的数据进行分析,探究睡眠质量、入睡时间、睡眠时长、睡眠效率、睡眠障碍程度、药物使用和日间功能障碍的影响,了解其与抑郁症诸多症状的关系,并运用统计回归、网络分析等方法对数据做进一步分析处理,力求获得对疾病诊断、治疗靶确认等有指导意义的结论。

本课题是跨心理学和数据科学的综合研究,是数据挖掘相关技术的实际应用。研究者将获得使用R进行数据分析的技能和对抑郁与睡眠障碍诊断和病因的深入了解。

 

科研方法

AI+X数据驱动型科研

AI+X数据驱动型科研是指使用人工智能(AI)算法,收集、处理、分析具体学科(X)的海量数据,并基于此进行预测,从而获得科学发现的研究方法。与传统的、基于实验或逻辑推理的研究方式相比,AI+X数据驱动型科研可以借助AI算法强大的运算能力,高效地进行大数据分析,具有投入产出比高、适用范围广的优点。

AI+X数据驱动型科研已被广泛地应用于各个领域,利用AI算法研究基因数据,从而进行早期的癌症筛查便是其中一例。基因组与癌症病患的数据千千万万,使用传统的科研方式对其进行分析,工程量大、过程繁琐,在客观上难以实现。但借助AI算法这一便捷的工具,生命科学家便能够以海量的患者的遗传信息为基础,建立数据库,与过往的研究成果进行对照,快速、准确地在两者中发现规律、建立联系,从而使癌症诊断的“标准化”成为可能。

 


授课导师

1. 哥伦比亚大学 博士(在读)

2. 多年心理学领域研究经验,发表学术论文四篇(其中两篇以第一作者身份发表)

3. 研究方向:精神障碍的认知、生理、社会风险因素;

 

课题要求

本课题适合: 9-12 年级学生,有较强的逻辑思维和抽象思维能力

1. 英文:
(1)具备基本的学术英语阅读能力;
(2)接触过英文写作,有论文写作经验者更佳;

 

2. 数学:
(1)概率统计基础知识;
(2)线性回归;
(3)线性代数基础(行列式、矩阵运算等);

 

3. 计算机:
(1)R编程基础

咨询请添加顾问老师

翰林国际课程咨询二维码