Modelos de predicción de riesgos basados en el aprendizaje automático para los síntomas depresivos en individuos...

Área de la Ciencia:

• Gerontología
• Salud pública
• Medicina computacional

Sus antecedentes:

• El aumento de la prevalencia de la multimorbilidad físico-mental plantea desafíos para la atención sanitaria.
• El desarrollo de modelos predictivos para los síntomas depresivos en esta población es crucial.

Objetivo del estudio:

• Desarrollar y validar algoritmos de aprendizaje automático para predecir síntomas depresivos en personas chinas con multimorbilidad.
• Identificar los principales factores predictivos de los síntomas depresivos en este grupo demográfico.

Principales métodos:

• Se utilizaron datos del Estudio Longitudinal de Salud y Jubilación de China.
• Empleó regresión logística, bosque aleatorio y algoritmos de aumento de gradiente eXtreme.
• Se evaluaron los síntomas depresivos utilizando la escala de depresión del Centro de Estudios Epidemiológicos (CES-D).

Principales resultados:

• El 32,65% de los participantes con multimorbilidad presentaron síntomas depresivos a los 8 años de seguimiento.
• La regresión logística logró el AUC más alto (0,724), superando a otros modelos.
• Los predictores clave incluyeron el puntaje CES-D basal, la función cognitiva, la fuerza de agarre, el tiempo de elevación de la silla y la región.

Conclusiones:

• Desarrolló un modelo fácil de usar para identificar síntomas depresivos en personas que viven en la comunidad con multimorbilidad.
• La predicción temprana facilita la intervención oportuna, lo que podría reducir los costos de atención médica.
• Se recomienda la validación externa para confirmar la generalizabilidad del modelo.