ウガンダのHIV感染者の自殺傾向を予測する機械学習アプローチ

科学分野:

• 計算精神科
• HIV/エイズの疫学
• メンタルヘルスの遺伝学

背景:

• HIV感染者 (PLWH) は,一般の人々と比較して自殺の考えや行動のリスクが高くなります.
• PLWHにおける自殺傾向を予測する現在の方法は不十分です.
• 機械学習 (ML) は 自殺行動に寄与する複雑な要因をモデル化するための有望なアプローチを提供します

研究 の 目的:

• ウガンダのPLWHの自殺傾向を予測するMLの可能性を評価する.
• 自殺傾向のポリジェニックリスクスコア (PRS) をMLモデルに組み込む影響を評価する.
• この集団における自殺傾向の 重要な予測要因を特定するためです

主な方法:

• ウガンダの1,126人のPLWHの縦断データを用いた遡及的ケース・コントロール研究.
• コストに敏感なAdaBoostを含む8つのMLアルゴリズムの開発と評価.
• 282人の参加者のサブセットの自殺傾向PRSの計算とMLモデルへの統合.
• 性能指標には,AUC,PPV,感度,特異性,MCCが含まれていました.

主要な成果:

• 費用に敏感なAdaBoostは,ベースラインでの自殺傾向を予測するためにAUCを0. 79を達成しました.
• モデルでは,AUCが12ヶ月の有病率および有病率でそれぞれ0. 75と0. 69の汎用性を示した.
• PRSを併用すると,感度が6%向上したが,特異性は9%低下した.
• 重度のうつ病の診断と高いストレスのレベルは重要な予測要因でした.

結論:

• 費用に敏感なAdaBoostモデルは,ウガンダのPLWHにおける自殺リスクを予測できますが,控えめなポジティブな予測値があります.
• 自殺傾向をPRSに統合することで 自殺傾向リスクに対するMLモデルの予測性能が向上します
• PRSの有用性と臨床的適用性を検証するために,多様な集団でのさらなる研究が必要である.