Developing a prediction model for the risk of dissociative psychopathology from trauma and trait responsiveness to verbal suggestion

本研究は、発達トラウマと言語的暗示への特性反応性を統合したエラスティックネット論理回帰を用いて解離性精神病理のリスクがある個人を効果的に同定する予測モデルを開発・検証し、AUROC 0.77 を達成した。

要約

あなたの心を、多くの部屋を持つ複雑な家だと想像してみてください。時には、物事があまりにも圧倒的になったとき、その家は特別な安全メカニズムを作動させます。家の中の特定の部屋のドアを施錠したり、特定の部屋の明かりを暗くしたりして、内部の人々を守ろうとするのです。心理学において、これは「解離」と呼ばれます。それは、心が「一時停止」ボタンを押すか、あるいはその人の思考、記憶、感情との間に霧のような障壁を作るようなものです。これは誰にでも起こり得ますが、ある人々にとっては、日常生活を非常に困難にする持続的な問題となることがあります。

この論文は、問題が深刻化する前に、この「霧のかかった家」に住むリスクがある人を特定するための、より優れた「早期警戒システム」を構築しようとする探偵チームのようなものです。

2 つの主要な手がかり

研究者たちは、リスクを予測する可能性のある 2 つの主要な手がかりに焦点を当てました。

1. 「嵐」（トラウマ）： 私たちはすでに、人生、特に成長期における虐待やネグレクトなどの悪い経験が主要な要因であることを知っています。これを、家を激しく打ちつける激しい嵐だと考えてください。嵐が激しいほど、家はより多くの安全ロックを必要とする可能性が高まります。
2. 「スポンジ」（暗示性）： これが新しい、興味深い手がかりです。ある人々は、言葉による暗示に対して、自然とスポンジのような性質を持っています。誰かが「あなたの腕は鉛の重さのように重く感じます」と言われたとき、「スポンジ」のような人は、それが単なる言葉だとわかっていても、実際に腕が重くなるのを感じるかもしれません。研究者たちはこれを「言語的暗示への反応性（REVS）」と呼んでいます。これは簡単にだまされることではなく、いかにしてあなたの心が知覚の変化へと導かれやすいかという点に関わるものです。

チームが問いかけた大きな疑問は、「これら 2 つの手がかりは相互作用するか？」というものでした。「スポンジ」のような心が、トラウマという「嵐」をより激しく感じさせ、より多くの解離を引き起こすのでしょうか？

実験：デジタルシミュレーション

これを明らかにするために、研究者たちは現在治療を受けていない（「非臨床」群の）1,100 人以上の人々からデータを収集しました。彼らはこれらの人々に 3 つのことを尋ねました。

• どれだけの「嵐」に直面したか： トラウマ的出来事のチェックリストに記入してもらいました。
• どれほど「スポンジ」のような性質を持つか： 言葉による指示（例：「あなたの手はテーブルに張り付いている」）に従うコンピューターゲームをプレイしてもらい、その感覚がどの程度自発的または自動的であったかを評価してもらいました。
• どれだけの「霧」を経験しているか： 自分自身や自分の記憶からどの程度離れていると感じるかを尋ねる質問に答えてもらいました。

高度なコンピューターアルゴリズム（ノイズを濾し取り、真のシグナルを見つける非常に賢い篩のようなものだと考えてください）を用いて、彼らは「リスク群」に属する人を予測できるモデルを構築しようとしました。

彼らが発見したもの

結果は、パズルの中で特定のパターンを見つけるようなものでした。

• 「リスク群」： 約 7% の人々がハイリスクとして特定されました。これらの個人は、若く、より多くのトラウマを経験しており、はるかに「スポンジ」のような性質（暗示への反応性が高い）を持っていた傾向がありました。
• 「スポンジ」の力： 驚くべきことに、「スポンジ」要因（暗示性）は、トラウマそのものよりも実際には強力な手がかりでした。具体的には、暗示が「自発的ではない」（例：「腕が動かないようにしようとしても、動いてしまう」）と感じられることが、大きな警告信号でした。
• 組み合わせ： 最良の予測は、「嵐」と「スポンジ」の両方を組み合わせて見ることで得られました。このモデルは、自然と「スポンジ」である人が「嵐」に直面したとき、霧がかかったような解離的な心を発症するリスクが高まることを示唆しています。
• 年齢の重要性： このモデルはまた、若い人ほどリスク群に属する可能性が高いことに気づきました。年齢を重ねるにつれてリスクは低下するようですが、それはより良い対処メカニズムが発達するか、あるいは時間の経過とともに「嵐」の影響が薄れるからかもしれません。

予測の精度はどの程度か？

研究者たちは、モデルの精度を評価するためにテストを行いました。侵入者を特定しようとする警備員を想像してください。

• モデルの全体の精度は**77%**でした。
• リスクにある人々を捉えることには非常に優れていました（多くの見逃しはありませんでした）。
• しかし、リスクにない人々を除外する完璧さはありませんでした（実際には問題ない人に対して誤って警報を鳴らすことがありました）。

これは、非常に感度の高い煙探知機のようなものです。トーストを焦がしただけで数回ブザーを鳴らすかもしれませんが（誤報）、本物の火災を見逃さないようにすることには優れています。

この意味すること（と意味しないこと）

この論文は、解離を理解するためにはトラウマだけを見るべきではないと結論付けています。また、その人の心が自然に暗示にどのように反応するかを見る必要があります。家が燃え尽きた理由を理解するためには、火（トラウマ）について知るだけでなく、建築資材の燃えやすさ（暗示性）についても知る必要がある、と言うようなものです。

重要な注意点： 著者たちは非常に慎重に、これは医療診断キットではなく研究ツールであると述べています。彼らはこのモデルを、病院の患者ではなく、一般の人々のグループに対してコンピュータープログラムを用いて構築しました。彼らは、医師が今すぐこのモデルを使って患者を診断すべきだと言っているのではありません。その代わりに、「私たちはシミュレーションの中でかなりうまく機能するパターンを見つけました。これを実際の患者でさらにテストし、改良すれば、将来的には医師が支援を必要とする人をより早期に特定するのに役立つかもしれません」と言っているのです。

要約すれば、この論文は、解離に苦しむ可能性がある人を理解する鍵は、彼らに起こった悪い出来事だけにあるのではなく、彼らの心が周囲の世界を処理するために組み込まれている独特の仕組みにもあることを示唆しています。

技術概要

技術概要：トラウマと言語的暗示への特性反応性に基づく解離性精神病理の予測モデリング

問題提起
解離性障害（DDs）および関連する症状は、頻繁に過小診断または誤診されており、治療の遅延、患者の過度の苦痛、併存症および自殺のリスクの増大を招いています。発達的トラウマは解離性精神病理の主要な先行要因として広く認識されていますが、「トラウマモデル」は、言語的暗示への特性反応性（REVS）の役割を見落としていることが多いです。逆に、REVS は解離と関連付けられていますが、予測的枠組みにおいてトラウマと併せて研究されることはめったにありません。さらに、既存の予測モデルはしばしばトラウマのみに焦点を当てるか、暗示性（行動的反応対主観的な非自発性の感覚など）の複雑な因子構造を統合できていません。本研究は、発達的トラウマ、特性 REVS、および人口統計学的変数を統合した多変量予測モデルを開発し、非臨床集団内で解離性精神病理のリスクがある個人を特定するというギャップに対処するものです。

方法論
本研究は、4 つの以前の横断的研究から抽出された 1,104 名の非臨床参加者のプールデータセットを利用しました。方法論は以下の 3 つの主要な段階から構成されます：

1. 測定と因子分析：

   • トラウマ： トラウマ経験チェックリスト（TEC）を通じて評価されました。1 つのサブセットにおける欠損データを処理するため、スコアはパーセンテージに変換されました。
   • 解離（結果）： 解離性体験尺度（DES）を使用して測定されました。主要な結果は、DES 税群（DES-T）への所属確率に基づいた「リスクあり」状態の二値分類であり、$p \geq 0.95$という保守的な閾値が使用されました。二次分析では、DES 総スコアの閾値を 30 超として使用しました。
   • REVS： 非催眠的直接的言語暗示性を測定するコンピュータ化された尺度である簡易暗示性尺度（BSS）を使用して評価されました。BSS は、行動的反応と知覚された非自発性の両方を捉えます。REVS の複雑な因子構造に対処するため、著者らは BSS データに二因子モデルを適合させました。これにより、一般的な行動因子（BSS:B-G）、一般的な非自発性因子（BSS:I-G）、および特定の知覚的非自発性因子（BSS:I-PF）が導き出されました。

2. 予測モデリング：

   • 二値リスク状態を予測するために、エラスティックネット論理回帰モデルが採用されました。この手法は、多重共線性を処理し、最も予測的な変数を選択するために、リッジ罰則と LASSO 罰則を組み合わせています。
   • 予測変数： BSS 合成スコア（BSS-C）、導出された二因子スコア（BSS:B-G、BSS:I-G、BSS:I-PF）、TEC スコア、年齢、および交互作用項（例：年齢 × TEC、BSS-C × TEC）が含まれました。
   • 検証： モデルは 10 分割交差検証を用いて内部的に検証されました。

3. 評価指標：

   • モデルのパフォーマンスは、受動者動作特性曲線下面積（AUROC）、感度、特異度、ユーデン指数、およびブライアースコアを用いて評価されました。

主要な結果

• サンプル特性： サンプルの 7%（$n=77$）が解離性精神病理のリスクありと分類されました。このグループは、非リスク群と比較して有意に若く、より高いレベルのトラウマを報告し、すべての REVS および解離尺度で上昇したスコアを示しました。
• 因子構造： 二因子分析は、単一の一般因子が行動サブスケールを最もよく説明し、非自発性サブスケールは二因子解（一般因子と知覚因子）を必要とすることを確認しました。
• モデルパフォーマンス：
  • エラスティックネットモデルは、10 個の予測変数のうち 9 個を保持しました。
  • モデルは 0.77（95% 信頼区間：0.73–0.82）の AUROC を達成し、良好な識別能力を示しました。
  • 感度は 78%、特異度は 67% でした。
  • ブライアースコアは 0.06 であり、優れたモデル適合性を反映しており、予測変数セットは平均二乗誤差の 75% を説明しました。
• 予測変数の有意性：
  • 年齢は、最終モデルにおいて統計的有意性に達した唯一の変数でした（負の係数、つまり年齢とともにリスクが低下することを示す）。
  • トラウマ（TEC）およびREVS 尺度（BSS-C、BSS:I-PF）はモデルに保持されましたが、高い多重共線性とエラスティックネットの縮小特性により、個別には有意ではありませんでした。
  • 交互作用項（例：年齢 × TEC、BSS-C × TEC）は保持されましたが、効果は弱かったことが示されました。
  • 注目すべきは、非自発性を組み込んだ BSS-C の効果量がトラウマよりも大きかったことであり、主体性の感覚を評価することの付加価値を示唆しています。
• 頑健性： 総 DES スコアの閾値（30 超）を使用した二次分析は、ほぼ同一の結果（AUROC = 0.762）をもたらしました。これは、リスクあり状態の異なる定義にわたってモデルの安定性を確認するものです。

主要な貢献

1. トラウマと REVS の統合： 本研究は、発達的トラウマと特性 REVS が単一の予測枠組みに成功裡に統合できることを実証し、暗示性がトラウマの影響を調節する可能性のある素因 - ストレスモデルを支持しています。
2. 非自発性の包含： 二因子モデルを活用することで、本研究は、暗示に対する反応の「知覚された非自発性」が解離の文脈における REVS の重要な構成要素であることを浮き彫りにしました。これにより、行動的反応のみよりも精緻な予測変数が提供されます。
3. 多変量予測： 本論文は、単変量関連を超えて、中程度の精度（77% の分類確率）でリスクのある個人を特定する多変量モデルを提供し、より良い早期発見ツールの必要性に応えています。
4. 方法論的厳密性： 自動化された標準化された暗示性尺度（BSS）の使用は、実験者効果を回避し、エラスティックネット回帰の使用は、相関する予測変数の存在下での変数選択を可能にします。

意義と主張
著者らは、これらの知見が解離性精神病理のリスク因子としてトラウマと特性 REVS を強化し、リスクのある個人を特定するためにこれらを組み合わせることができることを実証していると主張しています。本研究は、解離性精神病理のリスクが単にトラウマによって駆動されるのではなく、認知特性（特に変容した主体性/非自発性の感覚）と人口統計学的要因の集合を反映していると示唆しています。

論文は、臨床応用に関しては控えめなトーンを維持しています。モデルは現在、非臨床サンプルに基づいており、外部検証が欠如しているため、現時点では臨床診断や実践の指針として使用すべきではないと明確に述べています。著者らは、独立した複製、洗練されたトラウマ尺度の導入、および臨床面接（例：SCID-D）に対する検証が実施されることを前提に、このモデルが将来の研究および潜在的な早期発見戦略の基盤を築くと提唱しています。この研究は、解離が暗示性と無関係であるという見方を挑战し、REVS と解離の関連を医原性や偽記憶の問題にのみ還元することに反対するものです。