Credit: CC0公共领域重病患者、其家人和姑息治疗专家之间的对话可带来更好的生活质量。了解这些对话中发生了什么，特别是它们如何因文化、临床和情境而异，对于指导医疗保健沟通改进工作至关重要。为了获得真正的理解，需要新的方法来研究大型、包容性和多地点流行病学研究中的对话。一种新的计算机模型为这种大规模的科学分析提供了一种自动化的有效工具。关于这个模型的研究结果今天发表在PLOS一号上。
这种方法由佛蒙特大学的一组计算机科学家、临床医生和工程师开发，被称为CODYM(会话动态模型)分析，它使用简单的基于行为状态的模型(马尔可夫模型)来捕捉不同对话期间的信息流，基于交替说话者转弯长度的模式。
迄今为止，对话分析过程通常依赖于耗时的手动转录、详细的注释以及对高度私密的对话内容的必要访问。
“CODYMs是第一个使用说话人话轮长度作为信息基本单位的Markov模型，也是第一个为说话人话轮长度序列中的整体依赖关系提供简洁、高级、定量总结的任何类型的模型，”该研究的主要作者、美国佛蒙特大学博士后助理Laurence Clarfeld博士说，他的计算机科学博士论文专注于这一研究主题。
作者补充说，使用基于时间的说话人话轮长度定义意味着可以在没有录音或存储音频的情况下进行实时自动化和对话动态分析，从而保护对话内容的隐私。
“我们开发了一个严重疾病中信息流的计算模型，这可能成为会话流行病学的一个基本工具，”合著者罗伯特·格拉姆林(Robert Gramling)说，他是医学博士、医学博士、家庭医学教授、姑息医学米勒讲座和佛蒙特大学拉纳医学院佛蒙特会话实验室主任。"它可以预测重要而复杂的对话过程，比如情感表达和未来说话人的转换模式."
作者写道，在这项研究中，研究人员进行了分析，以验证CODYM模型，“确定严重疾病对话中信息流的规范模式，并展示这些模式如何随着叙事时间的变化而变化，以及愤怒、恐惧和悲伤的不同表达方式”。
研究作者表示，除了作为评估和培训医疗保健提供者的一种手段，CODYMs还可以用来比较“跨语言和文化的对话动态，有望识别信息流的普遍相似性和独特的‘指纹’”。
本出版物代表了维蒙特大学拉纳医学院(格拉姆林)和工程与数学科学学院(玛格丽特·埃普斯坦博士、劳伦斯·克拉菲尔德博士和唐娜·里佐博士)的成员在过去几年中合作进行的几项严重疾病对话动力学研究的最新成果。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
