Recent times have seen a call for personalized psychotherapy and tailored communication during treatment, leading to the necessity to model the complex dynamics of mental disorders in a single subject. To this aim, time-series data in one patient can be collected through ecological momentary assessment and analyzed with the graphical vector autoregressive model, estimating temporal and contemporaneous idiographic networks. Idiographic networks graph interindividual processes that may be potentially used to tailor psychotherapy and provide personalized feedback to clients and are regarded as a promising tool for clinical practice. However, the question whether we can reliably estimate them in clinical settings remains unanswered. We conducted a large-scale simulation study in the context of psychopathology, testing the performance of personalized networks with different numbers of time points, percentages of missing data, and estimation methods. Results indicate that sensitivity is low with sample sizes feasible for clinical practice (75 and 100 time points). It seems possible to retrieve the global network structure but not to recover the full network. Estimating temporal networks appears particularly challenging; thus, with 75 and 100 observations, it is advisable to reduce the number of nodes to around six variables. With regard to missing data, full information maximum likelihood and the Kalman filter are effective in addressing random item-level missing data; consequently, planned missingness is a valid method to deal with missing data. We discuss possible methodological and clinical solutions to the challenges raised in this work.

中文翻译：

---

调查具体网络模型的可行性。

最近，人们呼吁在治疗过程中进行个性化心理治疗和量身定制的沟通，这导致有必要在单个受试者中模拟精神障碍的复杂动态。为此，可以通过生态瞬时评估收集一名患者的时间序列数据，并使用图形向量自回归模型进行分析，估计时间和同时期的具体网络。个性化网络描绘了可能用于定制心理治疗并向客户提供个性化反馈的个体间过程，并被视为临床实践的有前途的工具。然而，我们是否可以在临床环境中可靠地估计它们的问题仍未得到解答。我们在精神病理学的背景下进行了大规模的模拟研究，测试具有不同时间点数量、缺失数据百分比和估计方法的个性化网络的性能。结果表明灵敏度低，样本量可用于临床实践（75 和 100 个时间点）。似乎可以检索全局网络结构，但不能恢复整个网络。估计时间网络似乎特别具有挑战性；因此，对于 75 和 100 个观测值，建议将节点数减少到大约 6 个变量。对于缺失数据，全信息最大似然和卡尔曼滤波器在解决随机项目级缺失数据方面是有效的；因此，计划缺失是处理缺失数据的有效方法。我们讨论了针对这项工作中提出的挑战的可能的方法和临床解决方案。缺失数据的百分比和估计方法。结果表明灵敏度低，样本量可用于临床实践（75 和 100 个时间点）。似乎可以检索全局网络结构，但不能恢复整个网络。估计时间网络似乎特别具有挑战性；因此，对于 75 和 100 个观测值，建议将节点数减少到大约 6 个变量。对于缺失数据，全信息最大似然和卡尔曼滤波器在解决随机项目级缺失数据方面是有效的；因此，计划缺失是处理缺失数据的有效方法。我们讨论了针对这项工作中提出的挑战的可能的方法和临床解决方案。缺失数据的百分比和估计方法。结果表明灵敏度低，样本量可用于临床实践（75 和 100 个时间点）。似乎可以检索全局网络结构，但不能恢复整个网络。估计时间网络似乎特别具有挑战性；因此，对于 75 和 100 个观测值，建议将节点数减少到大约 6 个变量。对于缺失数据，全信息最大似然和卡尔曼滤波器在解决随机项目级缺失数据方面是有效的；因此，计划缺失是处理缺失数据的有效方法。我们讨论了针对这项工作中提出的挑战的可能的方法和临床解决方案。结果表明灵敏度低，样本量可用于临床实践（75 和 100 个时间点）。似乎可以检索全局网络结构，但不能恢复整个网络。估计时间网络似乎特别具有挑战性；因此，对于 75 和 100 个观测值，建议将节点数减少到大约 6 个变量。对于缺失数据，全信息最大似然和卡尔曼滤波器在解决随机项目级缺失数据方面是有效的；因此，计划缺失是处理缺失数据的有效方法。我们讨论了针对这项工作中提出的挑战的可能的方法和临床解决方案。结果表明灵敏度低，样本量可用于临床实践（75 和 100 个时间点）。似乎可以检索全局网络结构，但不能恢复整个网络。估计时间网络似乎特别具有挑战性；因此，对于 75 和 100 个观测值，建议将节点数减少到大约 6 个变量。对于缺失数据，全信息最大似然和卡尔曼滤波器在解决随机项目级缺失数据方面是有效的；因此，计划缺失是处理缺失数据的有效方法。我们讨论了针对这项工作中提出的挑战的可能的方法和临床解决方案。估计时间网络似乎特别具有挑战性；因此，对于 75 和 100 个观测值，建议将节点数减少到大约 6 个变量。对于缺失数据，全信息最大似然和卡尔曼滤波器在解决随机项目级缺失数据方面是有效的；因此，计划缺失是处理缺失数据的有效方法。我们讨论了针对这项工作中提出的挑战的可能的方法和临床解决方案。估计时间网络似乎特别具有挑战性；因此，对于 75 和 100 个观测值，建议将节点数减少到大约 6 个变量。对于缺失数据，全信息最大似然和卡尔曼滤波器在解决随机项目级缺失数据方面是有效的；因此，计划缺失是处理缺失数据的有效方法。我们讨论了针对这项工作中提出的挑战的可能的方法和临床解决方案。计划缺失是处理缺失数据的有效方法。我们讨论了针对这项工作中提出的挑战的可能的方法和临床解决方案。计划缺失是处理缺失数据的有效方法。我们讨论了针对这项工作中提出的挑战的可能的方法和临床解决方案。