[论文解读] Personality Traits and Drug Consumption. A Story Told by Data

Elaine Fehrman, Egan, Vincent+4 more|arXiv (Cornell University)|Jan 17, 2020

Mental Health Research Topics参考文献 7被引用 4

一句话总结

本研究利用机器学习与包含1,885名受试者的大型数据集，表明人格特质（五因素模型、冲动性、寻求新奇）与基本人口统计学特征相结合，可对大多数物质的个体用药行为实现70%以上的敏感度与特异度。研究识别出不同药物使用者的独特人格特征组合，并揭示了三组相关联的药物使用模式，即‘相关性星群’（correlation pleiades）。

ABSTRACT

This is a preprint version of the first book from the series: "Stories told by data". In this book a story is told about the psychological traits associated with drug consumption. The book includes: - A review of published works on the psychological profiles of drug users. - Analysis of a new original database with information on 1885 respondents and usage of 18 drugs. (Database is available online.) - An introductory description of the data mining and machine learning methods used for the analysis of this dataset. - The demonstration that the personality traits (five factor model, impulsivity, and sensation seeking), together with simple demographic data, give the possibility of predicting the risk of consumption of individual drugs with sensitivity and specificity above 70% for most drugs. - The analysis of correlations of use of different substances and the description of the groups of drugs with correlated use (correlation pleiades). - Proof of significant differences of personality profiles for users of different drugs. This is explicitly proved for benzodiazepines, ecstasy, and heroin. - Tables of personality profiles for users and non-users of 18 substances. The book is aimed at advanced undergraduates or first-year PhD students, as well as researchers and practitioners. No previous knowledge of machine learning, advanced data mining concepts or modern psychology of personality is assumed. For more detailed introduction into statistical methods we recommend several undergraduate textbooks. Familiarity with basic statistics and some experience in the use of probabilities would be helpful as well as some basic technical understanding of psychology.

研究动机与目标

• 利用实证数据探究人格特质与药物使用之间的关联。
• 基于人格与人口统计因素，开发个体药物使用的预测模型。
• 识别与不同精神活性物质使用者相关的独特心理特征组合。
• 通过数据驱动的聚类方法，揭示相关药物使用的模式。
• 为未来研究创建开放获取数据库与可视化工具（风险地图）。

提出的方法

• 收集了1,885名受试者的数据库，包含其对18种精神活性药物的自报使用情况及人格特质评估。
• 应用多种数据挖掘技术，包括线性判别分析、决策树、随机森林、k近邻算法及逻辑回归。
• 采用高级预处理方法，如多列相关系数、非线性CatPCA、稀疏PCA及双重凯撒特征选择法。
• 使用径向基函数与高斯混合模型进行概率密度估计，以实现分类。
• 通过排除虚假相关性并确保多种算法下的稳健性，验证结果。
• 开发风险地图可视化工具，以基于人格与人口统计特征组合，表示药物使用的概率。

实验结果

研究问题

• RQ1 人格特质与人口统计数据能否以高准确度预测特定药物的使用风险？
• RQ2 是否存在与不同精神活性物质使用者相关的独特人格特征组合？
• RQ3 药物使用是否存在聚类模式，表明其具有共同的行为或心理驱动因素？
• RQ4 海洛因、摇头丸与苯二氮䓬类药物使用者的人格特征有何显著差异？
• RQ5 哪些人格特质对个体药物使用的预测最具影响力？这些预测因子在不同物质间是否存在差异？

主要发现

• 人格特质（五因素模型、冲动性、寻求新奇）与基本人口统计学特征相结合，对所研究的18种药物中大多数的使用预测，敏感度与特异度均超过70%。
• 在海洛因、摇头丸与苯二氮䓬类药物使用者之间，人格特征存在显著差异，尤其体现在神经质、外向性、宜人性与冲动性方面。
• 与海洛因使用者相比，摇头丸使用者表现出更高的外向性、宜人性与寻求新奇水平。
• 海洛因使用者的神经质与冲动性水平高于摇头丸使用者，而苯二氮䓬类药物使用者则表现出更高的宜人性与更低的寻求新奇水平。
• 识别出三组相关联的药物使用模式——分别以海洛因、摇头丸与苯二氮䓬类药物为中心——形成‘相关性星群’（correlation pleiades），其与纵向药物使用模式一致。
• 一个包含1,885名受试者、涵盖详细药物使用与人格数据的开放获取数据库，可供进一步研究使用。