Янковская А

Янковская А.Е.^1,2, Корнетов А.Н.³, Силаева А.В.⁴

¹Профессор, д.т.н.,Томский государственный университет,

²профессор, д.т.н., зав. лабораторией, Томский государственный архитектурно-строительный университет;

³доцент, д.м.н., Сибирский государственный медицинский университет;

⁴Сибирский государственный медицинский университет

^1,2ayyankov@gmail.com, ³kornetov@mail.tomsknet.ru, ⁴silaevaav@yandex.ru

Россия

НОВЫЕ ПОДХОДЫ К ВЫЯВЛЕНИЮ ДЕПРЕССИИ У ЖЕНЩИН В РЕПРОДУКТИВНЫЙ ПЕРИОД С ПРИМЕНЕНИЕМ ИНФОРМАЦИОННОЙ ТЕХНОЛОГИИ

Введение. Об актуальности своевременного выявления депрессивных расстройств у населения свидетельствуют следующие данные: 1) 4-5% населения всего мира страдает депрессией (данные Всемирной Организации Здравоохранения (ВОЗ)); 2) риск заболеть депрессивным расстройством в течение жизни достигает 20%; 3) к 2020 году депрессия выйдет на первое место в мире, опередив инфекционные и сердечно-сосудистые заболевания (прогнозы ВОЗ); 4) депрессия иногда имеет рецидивирующий характер (повторные эпизоды возникают примерно у 60% больных); 5) расстройство практически всегда связано с суицидальным риском; 6) около 15% лиц, страдающих депрессией, совершают суицид (в 60% всех случаев суицидов их причиной являются депрессии) [1].

В связи с этим особую актуальность приобретает задача своевременной диагностики психических и поведенческих расстройств у беременных и рожениц. В настоящее время примерно у 30% беременных женщин выявляются психопатологические нарушения, причем более половины (56%) составляют депрессивные расстройства [2, 3].

Однако, учитывая большую размерность признакового пространства, на основе которого должно осуществляться принятие диагностических решений по выявлению депрессии и её профилактики, необходимо применение перспективной интеллектуальной информационной технологии, в основе которой лежит интеллектуальная система диагностики и профилактики депрессии с обоснованием результатов принятия решений.

Опишем более детально рассматриваемую проблемную область. Депрессия в период беременности представляет опасность для здоровья женщины и ребенка. Во время беременности симптомы депрессии более выраженные и общие, чем в послеродовой период [4]. Вероятность развития депрессии увеличивается для тех женщин, которые находятся в состоянии хронического стресса, вызванного социально-бытовыми проблемами и отсутствием адекватной поддержки [5-7]. При хроническом эмоциональном стрессе в период беременности отмечены различные клинические проявления осложнений беременности (невынашивание, угроза прерывания беременности и т.д.) [6]. Немаловажно, что депрессия в период беременности является существенным фактором риска развития указанного депрессивного (аффективного) расстройства в послеродовой период, а распространенность её составляет 10-12% от всех случаев беременности. Клинико-эпидемиологические данные свидетельствуют, что наиболее часто депрессия проявляется через 30-35 дней после родов, хотя выявляется врачами намного позже и в некоторых клинических случаях может продолжаться до 1,5-2 лет.

Симптомы послеродовой депрессии соответствуют диагностическим критериям депрессивного расстройства. Отмечаются ухудшение настроения, уменьшение энергичности, активности, способности радоваться, получать удовольствие, интересоваться, сосредотачиваться. Обычной является выраженная усталость, даже после минимальных усилий; нарушается сон и ухудшается аппетит; почти всегда снижены самооценка и уверенность в себе, даже при легких формах расстройства. Часто присутствуют мысли о собственной виновности и бесполезности. Пониженное настроение, мало меняющееся день ото дня, не зависит от обстоятельств и может сопровождаться потерей интереса к окружающему и утратой ощущений, доставляющих удовольствие. Характерным является пробуждение по утрам на несколько часов раньше обычного времени, выраженная психомоторная заторможенность, усиление депрессии по утрам, тревожность, снижение веса и либидо [4, 7]. Особенностью послеродовой депрессии является период ее возникновения и то, что она всегда включает взаимоотношения матери и ребенка, а часто и отношения с другими членами семьи. Продолжительное депрессивное состояние у матери грудного ребенка, ограничивающее и изменяющее способность контактировать с младенцем, негативно отражается на последующем развитии ребенка [8, 9], а отсутствие лечения может привести к серьёзным последствиям для благополучия женщины: нарушение пищевого поведения, сна, способности соблюдать медицинские рекомендации, высокий риск употребления психоактивных веществ, неадекватная забота о ребёнке, суицидальные тенденции, обострение психических и поведенческих расстройств, искажение материнского инстинкта, эмоциональные, поведенческие и когнитивные нарушения у ребёнка, отклоняющееся материнское поведение [8 - 10]. Кроме того, многие женщины не обсуждают симптомы депрессии с лечащим врачом. Причиной этого может быть страх осуждения и обвинения в материнской некомпетентности со стороны медицинского персонала и ближайшего окружения, недостаточная осведомленность о симптомах депрессии, «маскировка» симптомов под соматические [4, 7, 9]. Такие расстройства чаще встречаются в работе врачей первичного звена и педиатров - неонатологов, на втором этапе выхаживания новорожденных при совместном пребывании с матерями, до 80% которых страдают от послеродовой депрессии [10].

Вышеприведенные факты обусловливают необходимость создания информационной технологии диагностики и профилактики депрессии у женщин в репродуктивный период. В основу создаваемой технологии положены интеллектуальные системы (ИС): экспресс-диагностики депрессии, базируемые на пороговой и нечеткой логике [23-25]; диагностики депрессии и выявления различного рода закономерностей, принятия диагностических и профилактических решений по депрессии, базируемых на тестовых методах распознавания образов, и обоснования принимаемых решений [11, 37].

Информационная технология диагностики и профилактики депрессии. Поскольку имеются различные психологические подходы к диагностике депрессии: клиническое интервью, клинико-психологические шкалы и опросники и т.д., а также различные подходы к созданию информационных технологий, то только использование ориентированной на рассматриваемый класс решаемых задач информационной технологии позволит осуществить своевременное, экономичное и эффективное выявление депрессии. Диагностика и профилактика аффективных расстройств при большом признаковом пространстве невозможна без применения современных информационных технологий, которые позволяют не только систематизировать данные и знания в рассматриваемой области, но выявлять различного рода закономерности в данных и знаниях, оптимизировать знания в сфере охраны психического здоровья, принимать диагностические, организационно-управленческие и лечебно-профилактические решения, а также обосновывать результаты принятия решений с использованием графических, включая когнитивные, средств.

Далее воспользуемся рядом определений.

Математический аппарат построения ИС ДИАПРОД-ЛОГ основан на логико-комбинаторных методах тестового распознавания образов [11]. Для представления данных и знаний в ИС ДИАПРОД-ЛОГ применяется матричная модель [12], включающая целочисленную матрицу описаний (Q), задающую описание объектов в пространстве характеристических признаков и целочисленную матрицу различений (R), задающую разбиение объектов на классы эквивалентности по каждому механизму классификации.

Элемент r_ij матрицы R задает принадлежность i-го объекта одному из выделенных классов по j-му механизму классификации. Для указания факта принадлежности объекта классу используется номер этого класса. Множество всех неповторяющихся строк матрицы различений сопоставлено множеству выделенных образов. Элементами образа являются объекты, представленные строками матрицы описаний, сопоставленными одинаковым строкам матрицы различений. Строка матрицы различений задает обобщенный класс. Если имеется единственный механизм классификации, матрица различений вырождается в столбец, а обобщенный класс превращается в класс, что соответствует традиционному представлению знаний в задачах распознавания образов. С содержательной точки зрения матрицы различений могут быть любого из следующих трех типов. Первый тип (R1) характеризуется вложенностью механизмов классификации, когда каждый последующий столбец задает более подробное разбиение объектов на классы эквивалентности. Второй тип (R2) может интерпретироваться как совокупность действий (например, организационно-управляющих), которые необходимо выполнить для данного объекта (в данной ситуации). Третий тип (R3) служит для представления независимых механизмов классификации, где столбцы отражают, например, мнения различных экспертов [11].

Диагностическим тестом (ДТ) [11] называется совокупность признаков, различающих любые пары объектов, принадлежащих разным образам.

Диагностический тест называется безызбыточным (тупиковым [13]), если содержит безызбыточное количество признаков.

Безызбыточный безусловный диагностический тест (ББДТ) характеризуется одновременным предъявлением всех входящих в него признаков исследуемого объекта при принятии решений [11, 13].

Определение закономерностей в данных и знаниях приведено в [11]. К закономерностям будем относить константные (принимающие одно и то же значение для всех образов), устойчивые (константные внутри образа, но не являющиеся константными), неинформативные (не различающие ни одной пары объектов), альтернативные (в смысле включения в ДТ), зависимые (в смысле включения подмножеств различимых пар объектов), несущественные (не входящие ни в один безызбыточный ДТ), обязательные (входящие во все безызбыточные ДТ), псевдообязательные (не являющиеся обязательными, но входящие во все ББДТ, участвующие в принятии решений) признаки, сигнальные признаки, все минимальные и все (либо часть при большом признаковом пространстве) безызбыточные различающие подмножества признаков, являющиеся, по сути, соответственно минимальными и безызбыточными ДТ, а также устойчивые к ошибкам измерения безызбыточные ДТ [14]. Весовые коэффициенты характеристических признаков, вычисляемые по различным алгоритмам [14], также относятся к закономерностям.

Не вызывает сомнения, чем более широкий круг закономерностей будет учтен, тем с более высокой степенью точности может быть осуществлено принятие диагностических решений.

Исследования в данном направлении начаты не с «чистого листа». Тестовые методы распознавания методов впервые были предложены Ю.И. Журавлевым [13]. Под руководством А.Е. Янковской в течение продолжительного времени ведутся исследования по созданию информационных технологий, основанных на интеллектуальных системах (ИС) и на интеллектуальном инструментальном средстве (ИИС) ИИС ИМСЛОГ [15], предназначенном для выявления различного рода закономерностей и принятия диагностических и организационно-управленческих решений и их обоснования на основе графических (включая когнитивные) средств), на базе которого конструируются различные интеллектуальные системы. Наиболее значимыми среди них в области психологии являются: 1) ИС выявления социально-психологических факторов в условиях коммуникативного стресса в учебном процессе [16]; 2) ИС ДИАКОР-КС [17, 18], предназначенная для диагностики и коррекции коммуникативного стресса; 3) гибридная ИС ДКОС, разработанная для диагностики и коррекции организационного стресса [19, 20]; 4) упрощенная ИС экспресс-диагностики и интервенции (коррекции) организационного стресса ДИОС [21, 22]; 5) ИС экспресс-диагностики и профилактики депрессии ДИАПРОД [23-25]; 6) ИС выявления различного рода логических закономерностей диагностики и профилактики депрессии ДИАПРОД-ЛОГ [25].

Вышеупомянутые закономерности выявляются на основе анализа значений характеристических признаков, описывающих объекты (обследуемые) обучающей выборки. Значения части характеристических признаков выявляются путем опроса, другая – путем специализированных психодиагностических методик.

На сегодняшний день существуют методики, позволяющие получить достоверные данные о наличии или отсутствии у обследуемого клинико-психологических симптомов психических нарушений.

К числу психодиагностических методик относятся клинико-психологические шкалы, преимущественно используемые в практике только исследователем, клиницистом, имеющим достаточный уровень компетенции и квалификации. Учитывая тот факт, что обследуемые могут ошибаться (случайно или нарочито) при ответах, используется завышенное количество характеристических признаков, что необходимо при принятии диагностических решений с учетом вышеупомянутых ошибок. Кроме того при принятии диагностических решений необходимо учитывать весовые коэффициенты признаков, как выявляемые алгоритмическим путем, так и задаваемые высококвалифицированным экспертом или экспертами. При наличии нескольких экспертов итоговые весовые коэффициенты признаков определяются с учетом как вычисленных весовых коэффициентов признаков, так и весовых коэффициентов экспертов. При большом признаковом пространстве временные затраты на диагностику достаточно велики и исследование сопряжено с использованием различных вспомогательных средств протоколирования результатов ответа обследуемых.

В разрабатываемой информационной технологии используются следующие методики: 1) общее международное диагностического интервью (CIDI) [26]; 2) шкала оценки выраженности депрессии (CES-D) Центра эпидемиологических исследований США [27]; 3) шкала депрессии А. Рискина [28]; 4)методика дифференциальной диагностики депрессии состояний В.Зунга (в адаптации Т.И. Балашовой - шкала сниженного настроения-субдепресии (ШСНС)) [29]; 5) опросник выраженности психопатологической симптоматики (SCL-90-R) [30]; 6) оценочная шкала Монгомери-Асберга (MADRS) [31]; 7) шкала Гамильтона для оценки депрессии (HDRS) [32]; 8) шкала депрессии Бека (BDI) [33].

В интеллектуальной системе (ИС) экспресс-диагностики и профилактики депрессии (ДИАПРОД) и ИС диагностики и профилактики депрессии (ДИАПРОД-ЛОГ), базируемой на методах тестового распознавания образов, выявления различного рода закономерностей, принятия и обоснования решений используется опросник, включающий вопросы, выявляющие степень тяжести депрессии (легкая, средняя, тяжелая). В основе опросника лежат диагностические критерии международной классификации болезней десятого пересмотра (МКБ-10) [34] и концепция А. Бека [33]. Для выявления депрессии и степени её тяжести используется совокупность признаков и их выраженность. Значения признаков находятся в интервале [0,1], количество значений каждого признака равно 5 (0; 0,25; 0,5; 0,75; 1). Такая детализация позволяет сделать диагностику более точной и дать качественную интерпретацию состояния обследуемого, снабдить его индивидуальной рекомендацией по профилактике депрессии. В МКБ-10 для постановки диагноза учитывается только отсутствие или наличие симптома. В ИС ДИАПРОД дополнительно используется описание 5-ти градаций симптомов в зависимости от их продолжительности (отсутствует; 2-3 дня на протяжении 2-х недель; 3-5 дней, 6 и более, и ежедневно на протяжении 2-х недель).

Значимость вышеприведенных методик различна. Поэтому предлагается оценить весовые коэффициенты каждой из этих методик и учесть их при принятии решений в интеллектуальных системах. Поскольку оценка каждой методики естественно зависит от квалификации экспертов в сфере охраны психического здоровья, то для повышения надежности диагностических решений необходимо использовать коллектив экспертов. Каждому эксперту сопоставляется весовой коэффициент, для чего целесообразно применить теорию экспертных оценок. Кроме того при построении диагностических решений учитываются отсутствующие в вышеуказанных методиках весовые коэффициенты характеристических признаков (симптомов), определяемые либо экспертами, либо на основе различающей способности признаков [35], либо информационного веса признаков или другими алгоритмами, приведенными в статье Янковской А.Е. "Анализ данных и знаний на основе конвергенции нескольких наук и научных направлений" [35] или на основе их совокупности, а также учитывается степень выраженности симптомов [25].

В данном исследовании анализ оценки шкал весовых коэффициентов проводился 2-я экспертами. Эксперты оценивали шкалы, их весовые коэффициенты и весовые коэффициенты признаков (симптомов). Однако, рамки статьи не позволяют включить весовые коэффициенты каждой шкалы. Результаты экспертной оценки шкал двумя экспертами приведены в таблице 1, что позволит определить наиболее адекватную для решения поставленных задач методику либо их совокупность.

Таблица 1.

Шкалы и их весовые коэффициенты

№ п/п	Название шкалы	Оценка весовых коэффициентов шкал
№ п/п	Название шкалы	Эксперт 1	Эксперт 2
1.	Общее международное диагностического интервью (CIDI)	0,9	0,8
2.	Шкала оценки выраженности депрессии (CES-D)	0,7	0,7
3.	Шкала депрессии А. Рискина	0,8	0,9
4.	Методика дифференциальной диагностики депрессии состояний В.Зунга (в адаптации Т.И. Балашовой - шкала сниженного настроения-субдепресии (ШСНС))	0,5	0,7
5.	Опросник выраженности психопатологической симптоматики (Simptom Check List-90-Revised - SCL-90-R)	0,6	0,7
6.	Оценочная шкала Монгомери-Асберга (MADRS - Montgomery-Asberg Depression Rating Scale)	0,9	0,8
7.	Шкала Гамильтона для оценки депрессии (HDRS)	0,9	0,6
8.	Шкала депрессии Бека (Beck Depression Inventory)	0,7	0,7

Заключение. Приведено описание проблемной области и обосновано создание перспективной интеллектуальной информационной технологии, в основе которой лежит интеллектуальная информационная технология с обоснованием результатов принятия решений. Основу информационной технологии составляет интеллектуальная система принятия диагностических и профилактических решений для депрессии (ДИАПРОД-ЛОГ) [25], сконструированная на базе ИИС ИМСЛОГ [15], и интеллектуальная система экспресс-диагностики и профилактики депрессии (ДИАПРОД) [23-25].

Дальнейшие исследования связаны с учетом весовых коэффициентов экспертов, шкал, характеристических признаков (симптомов), определяемых на основе совокупности подходов, и доработке программной реализации ИС, составляющих основу информационной технологии, а также с созданием комплекса ИС для диагностики и профилактики депрессии, состоящего из ИС диагностики и профилактики депрессии, основанной на тестовых методах распознавания образов принятия и обоснования решений с использованием графических, включая когнитивные, средств и интеллектуальной системы экспресс-диагностики и профилактики депрессии, базируемой на пороговой и нечеткой логике, графических средствах визуализации решений.

Работа выполнена при финансовой поддержке грантов РГНФ (проект №13-06-00709_а) и РФФИ (проекты №13-07-00373а и №12-07-31109-мол_а).

Литература:

1. Депрессия [Электронный ресурс] // Информационный бюллетень Всемирной организации здравоохранения (ВОЗ). – 2012. - № 369. – Режим доступа: http://www.who.int/mediacentre/factsheets/fs369/ru/. Дата обращения: 21.03.2013.

2. Прибытков А.А. Клинические особенности депрессивных расстройств невротического уровня в послеродовом периоде: автореф. дис. … канд. мед. наук / А.А. Прибытков. – СПб., 2006. – 22 с.

3. Колесников И.А. Депрессивные расстройства в период беременности // Психотерапия. – 2008. - №5. – С.7-14.

4. Spinelli G.M., Endicott J., Controlled Clinical Trial of Interpersonal Psychotherapy Versus Parenting Education Program for Depressed Pregnant Women / G.M. Spinelli, J. Endicott // Am J Psychiatry - 2003. – Vol. 160, - P.555-562.

5. Postpartum depression: Literature review of risk factors and interventions / Stewart, D.E., et al. - 2003. – 287 р.

6. Мальгина Г.Б. Роль психоэмоционального стресса в период гестации в формировании акушерской и перинатальной патологии / Г.Б. Мальгина // Журнал акушерства и женских болезней. – 2002. – Т. № 51, №4. – С.16-21.

7. Cohen L.S., Nonacs R.M. Mood and Anxiety Disorders During Pregnancy and Postpartum (Review of Psychiatry Series, Volume 24, Number 4;Oldham JM and Riba MB, series editors). Washington, DC, American Psychiatric Publishing, 2005.

8. Брутман В.И. Личностные и психические нарушения у женщин, отказывающихся от новорожденных / В.И. Брутман // Российский психиатрический журнал. – 2001. - №5. – С.15.

9. Psychiatric disorders in pregnancy and the postpartum: principles and treatment /edited by V. Hendrick. - Humana Press Inc. - 2006, 255 р.

10. Голенков А.В., Филоненко А.В. Послеродовая депрессия: отношение и знания населения, студентов-медиков и медицинских сестер [Электронный ресурс] // Медицинская психология в России: электрон. науч. журн. – 2012. – N 4 (15). – URL: http://medpsy.ru (дата обращения: 30.04.2013).

11. Янковская А.Е. Логические тесты и средства когнитивной графики. Издательский Дом: LAP LAMBERT Academic Publishing. – 2011. – 92 с.

12. Ekong V.E., Inyang U.G. and Onibere E.A. Intelligent Decision Support System for Depression Diagnosis Based on Neuro-fuzzy-CBR Hybrid // Modern Applied Science, Vol. 6, No. 7, 2012, pp. 79-88.

13. Журавлев Ю.И., Гуревич И.Б. Распознавание образов и анализ изображений // Искусственный интеллект в 3-х кн. Книга 2. Модели и методы: Справочник / Под ред. Д.А. Поспелова. Москва: Радио и связь. – 1990. – С. 149-191.

14. Янковская А. Е. Принятие решений, устойчивых к~ошибкам измерения значений признаков в интеллектуальных системах //Искусственный интеллект. Интеллектуальные системы. X Межд. н.-тех. конф. Таганрог: ТТИ ЮФУ, 2009. "С.,127-129

15. IMSLOG-2002 Software Tool for Supporting Information Technologies of Test Pattern Recognition / A.E. Yankovskaya, A.I. Gedike, R.V. Ametov, A.M. Bleikher // Pattern Recognition and Image Analysis, 2003. – Vol. 13, № 4. – P. 650-657.

16. Янковская А.Е., Рождественская Е.А. Выявление социально-психологических факторов в условиях коммуникативного стресса в учебном процессе с использованием интеллектуальной системы // Психологический универсум образования человека ноэтического. Материалы Международного симпозиума, 1998. – С. 184-186.

17. Янковская А.Е., Муратова Е.А., Аметов Р.В., Рождественская Е.А. Интеллектуальная информационная система для диагностики состояний коммуникативного стресса // Интеллектуальные системы, Интеллектуальные САПР. Труды Международной научно-технической конференции, 2006. -Т.1. – С. 258-266.

18. Янковская А.Е., Казанцева Н.В., Корнетов Н.А., Черногорюк Г.Э. Концептуализация создания современной интеллектуальной информационной технологии диагностики и коррекции состояний коммуникативного стресса на рабочем месте // Современные информационные и телемедицинские технологии для здравоохранения. Материалы II Международной конференции, 2008. – С. 349–353.

19. Янковская А.Е., Китлер С.В. Гибридная интеллектуальная система диагностики и коррекции организационного стресса, основанная на сочетании матричного и критериального подходов. Интегрированные модели и мягкие вычисления в искусственном интеллекте // Сборник научных трудов VI-й Межд. научно-технической конф. В 2-х томах, 2011. – Т.2.– С. 832-843.

20. Янковская А.Е., Корнетов Н.А., Китлер С.В. Основанная на пороговой логике с интеллектуальными элементами система диагностики и интервенции организационного стресса // Открытое образование, 2011. - № 86(2). – С. 69-73.

21. Yankovskaya A.E., Ametov R.V., Kitler S.V. Decision-making for diagnostic and intervention of organizational stress in intelligent system dios // Proceedings of 8th Open German-Russian Workshop «Pattern Recognition and Image Understanding» OGRW-8-11, 2011. – С. 353-356.

22. Янковская А.Е., Силаева А.В., Ракитин С.С. Информационная технология диагностики и профилактики депрессии обследуемых, основанная на пороговой и нечеткой логике // Доклады международной конференции «Новые информационные технологии и менеджмент качества» (NIT&QM' 2012). Ред.кол.: А.Н. Тихонов (пред.) и др. ФГАУ ГНИИ ИТТ «Информатика». - М.: ООО «Арт-Флэш», 2012. – С. 179-182.

23. Янковская А.Е., Китлер С.В., Аметов Р.В. Основы создания интеллектуальной системы экспресс-диагностики и профилактики депрессии // Труды конгресса по интеллектуальным системам и информационным технологиям. Научное издание в 4-х томах, 2012. - Т.2, - С. 265-272.

24. Янковская А.Е., Китлер С.В., Силаева А.В., Ракитин С.С. Интеллектуализация поддержки принятия диагностических и профилактических решений по депрессии на основе интеллектуальной системы ДИАПРОД // Интеллектуализация обработки информации: 9-я международная конференции. Сборник докладов, 2012. – С. 569–572.

25. Янковская А.Е., Китлер С.В., Силаева А.В. К вопросу построении интеллектуальных систем диагностики и профилактики депрессии // Материалы VIII международной научно-практической конференции «Образование и наука XXI веке». – Том 3. – София «Бял ГРАД-БГ» ООД, 2012. – С.17-27.

26. Wittchen HU. Reliability and validity studies of the WHO Composite International Diagnostic Interview (CIDI): a critical review // International Journal of Psychiatric Research.- 1994. – Vol. 28. – pp. 57–84.

27. Radloff LS. The CES-D Scale: a self-report depression scale for reseach in the general population // Appl Psychol Meas. – 1977. – Vol. 1. – pp. 385–401.

28. Raskin A, Schulterbrandt J, Reatig N, McKeon JJ Replication of factors of psychopathology in interview, ward behavior and self-report ratings of hospitalized depressives // J. Nerv. Ment. Dis. 1969, - Vol.- 148 (1)/ - pp. 87–98.

29. Ануфриев А.Ф., Барабанщикова Т.А., Рыжкова А. Н.Психологические методики изучения личности: Практикум. М.: Ось-89, 2009. – 303с.

30. Тарабрина Н.В. Практикум по психологии посттравматического стресса — СПб: Питер, 2001. — 272 с: ил. — (Серия «Практикум по психологии»).

31. Montgomery S.A., Asberg M. A new depression scale designed to be sensitive to change // Br J Psychiatry. – 1979. – Vol. 134. – pp. 382-389.

32. Hamilton M. A rating scale for depression // J Neural Neurosurg Psychiatry. – 1960. – Vol. 23: - pp. 56-62.

33. Beck A.T., Ward C., Mendelson M. Beck Depression Inventory (BDI) // Arch Gen Psychiatry. – 1961. – Vol. 4. – pp. 561-571.

34. МКБ-10 (Международная статистическая классификация болезней) Московский центр ВОЗ. : - М: Медицина, 2003. – 924 с.

35. Янковская А.Е. Анализ данных и знаний на основе конвергенции нескольких наук и научных направлений // Интеллектуализация обработки информации: 8-я международная конференция. Республика Кипр, г. Пафос, 17-24 октября 2010г.: Сборник докладов. – М.: МАКС Пресс, 2010. – С. 196-199.