从诊断标准到变革流程：利用机器学习方法验证韩国基于流程的评估工具

《Cognitive Therapy and Research》：From diagnostic criteria to change processes: validation of the Korean process-based assessment tool using a machine learning approach

研究通过Boruta算法验证了韩国改编的PBAT工具的效度，评估了时间一致性，发现负面选择和变异项目能有效预测心理指标，但存在自我报告偏差和因果路径不明确的问题。

　　

摘要

背景

本研究利用Boruta机器学习方法，为韩国版的过程导向评估工具（PBAT）提供了初步的有效性证据。

方法

研究对象为韩国成年人（样本量N=1000；平均年龄M_age=40.19岁，标准差SD=10.45）。通过Boruta算法评估了各项目的标准有效性，该方法通过多次迭代将每个项目与随机生成的“影子变量”进行比较，以确定对心理困扰、生活满意度和挫败感等结果具有重要影响的PBAT项目。时间一致性通过重测信度以及使用皮尔逊相关性、D2指数和Q相关性（对30天后再次完成PBAT的子样本n=300）来检验个体内部（ipsative）的稳定性。

结果

诸如“表达情感的困难”（PB18）这样的负面选择项目，以及“感到陷入困境”（PB12）这样的负面变化项目，是预测研究结果的最强指标之一。重测相关性显示出了中等到强的时间稳定性；个体内部分析表明，大多数参与者的心理特征保持稳定。

结论

总体而言，我们的研究结果支持PBAT作为一种能够适应不同文化背景的工具，用于跟踪干预措施中的核心心理过程。该研究的局限性包括依赖于自我报告，这可能导致方法变异的增加，以及Boruta算法无法明确因果关系。未来的研究应结合实验设计或纵向研究方法。