中国健康と高齢化追跡調査のデータに基づいて,健康な中年および高齢者のための機械学習ベースのうつ病リスク予測モデル
Fang Xia1, Jie Ren1, Linlin Liu1
1School of Health Management, Changchun University of Traditional Chinese Medicine, Changchun, China.
Frontiers in public health
|August 22, 2025
まとめ
機械学習モデルは 老人のうつ病リスクを予測できます 重要な要因には 認知能力,収入,生活満足度,睡眠,痛みなどがあり 標的を絞った予防戦略が可能です
科学分野:
- ゲロントロジー
- コンピューター精神科
- 公衆衛生
背景:
- 大人のうつ病リスクの予測は 適切な介入と生活の質の改善に不可欠です
- 縦断データを使った 機械学習モデルの開発は 鬱病予防戦略に不可欠です
研究 の 目的:
- 健康な高齢者の2年間のうつ病リスクを予測するための機械学習モデルを開発し,検証する.
- この集団におけるうつ病リスクに影響を与える 重要な要因を特定する.
主な方法:
- 中国保健・退職長期研究 (2018-2020年) の2,331人の高齢者のデータを活用した.
- 機械学習アルゴリズム (ロジスティック回帰,k-NN,SVM,MLP,意思決定ツリー,XGBoost) を採用し,CES-D-10スコアに基づいてうつ病を予測した.
- 精度,感度,特異性,ROC AUC,F1スコアを使用してモデルのパフォーマンスを評価し,SHAPで解釈が向上しました.
主要な成果:
- XGBoostは優れた予測能力を示した (ROC AUC: 0. 774,精度: 0. 722).
- LASSO回帰では12の主要な予測特性を特定しました.
- SHAPの分析では 認知能力,収入,生活の満足度,睡眠の質,痛みを 重要な予測要因として挙げています
結論:
- 機械学習モデルは 健康な高齢者の2年間のうつ病リスクを 効果的に予測できます
- SHAP解釈によるXGBoostモデルは,標的型うつ病予防のための個別化されたリスク評価を提供します.
- このアプローチは高齢者向けに 合わせた介入の開発を支援します
