機械学習に基づく看護学生の社会的不安予測モデル：横断的調査

科学分野:

• 看護教育
• メンタルヘルス研究
• 機械学習の応用

背景:

• 社会的़不安は看護学生の間で重大な懸念事項である。
• リスクのある学生を早期に特定することは、適時の介入にとって極めて重要である。
• 危険因子を理解することは、標的を絞った支援戦略に情報を提供できる。

研究 の 目的:

• 看護学生の社会的़不安を予測するための機械学習（ML）モデルを開発および最適化する。
• この予測タスクに最も効果的なMLモデルを特定する。
• この集団における社会的़不安に関連する主要な危険因子を特定する。

主な方法:

• 10大学の看護学生2024人を対象に横断的調査を実施した。
• ロジスティック回帰、エラスティックネット、KNN、決定木、XGBoost、SVM、ランダムフォレストの7つのMLモデルを開発および評価した。
• ロジスティック分析を使用して、モデル開発のために9つの重要な特徴を選択した。

主要な成果:

• ランダムフォレストモデルは、曲線下面積（AUC）0.71で最高の予測性能を達成した。
• 社会的़不安の重要な予測因子には、睡眠状態、失感情症、うつ病、教育水準、宗教的信念が含まれていた。
• 研究では、社会的़不安リスクに寄与する特定の実行可能な要因が特定された。

結論:

• 機械学習、特にランダムフォレストは、看護学生の社会的़不安を予測するための堅牢なアプローチを提供する。
• 特定された危険因子は、予防的および支持的介入を開発するための貴重な洞察を提供する。
• この研究は、学術環境におけるメンタルヘルス上の課題に対処するMLの可能性を強調している。