Speech Markers as Longitudinal Predictors of Youth Mental Health: A Systematic Review
Notice bibliographique
Résumé
Abstract Introduction: Severe mental illnesses in young people (0–25 years) are often preceded by subtle changes in communication and thinking, detectable in speech and language. Speech and language markers are promising for early detection; however, no systematic review has evaluated their prospective utility in predicting mental health disorders in youth. We systematically reviewed longitudinal studies assessing speech and language markers as predictors of major mental health disorder onset or symptom progression in youth. Methods: We searched for longitudinal studies using recorded speech samples to predict diagnostic changes or symptom severity in major depressive disorder (MDD), psychosis, ADHD, substance use disorder, bipolar disorder, OCD, and eating disorders. Risk of bias was assessed using the Newcastle Ottawa Scale. Our protocol was pre-registered [CRD42024579798]. Results: Of 2,259 articles, 10 studies met inclusion criteria, covering MDD (n=2), psychosis (n=5), and ADHD (n=3). No eligible studies were found for OCD, substance use, bipolar, or eating disorders. Both manual and computational speech analyses were used, with speech samples from parents and youth. Predictive speech markers included parental expressed emotion (MDD, ADHD), formal thought disorder (psychosis), and acoustic/linguistic features (psychosis, ADHD). Study quality was moderate to good (mean score: 5.5/8). Conclusions: Externally validated longitudinal studies on the predictive value of speech and language markers of youth-onset mental disorders are scarce and restricted to a few target disorders. Nonetheless, existing studies highlight the potential of applying Natural Language Processing methods to speech samples from both youth and parents for early identification. Keywords: prediction; speech; youth mental health
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,009 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».