在中年和老年人中预测抑郁症发病风险,使用机器学习和加拿大长度老龄化队列研究

科学领域:

• 老年学是一门学科.
• 精神病学是一个精神病学.
• 计算医学是一种计算医学.

背景情况:

• 在中年和老年人群中早期识别抑郁风险对于及时干预至关重要.
• 了解相关的风险因素对于预防老龄人口中抑郁症至关重要.

研究的目的:

• 预测中年和老年人未来抑郁症发病的风险.
• 使用机器学习模型识别抑郁症的关键风险因素.
• 为了利用加拿大长度老龄化研究 (CLSA) 的基线数据进行预测分析.

主要方法:

• 基于30 097名CLSA参与者 (45-85岁) 的基线数据,利用机器学习模型.
• 包括全面的数据:心理尺度,社会经济,环境,健康,生活方式,认知和人格措施.
• 预测抑郁症发病大约三年后的基线评估.

主要成果:

• 使用所有基线数据,准确预测了个人抑郁风险,曲线下的面积 (AUC) 为0.791 ± 0.016.
• 流行病学研究中心的10项抑郁症尺度与年龄和性别实现了类似的预测性能 (AUC 0.764 ± 0.016).
• 确定了关键预测因素:低于值的抑郁症状,情绪不稳定,低生活满意度,感知到的健康,社会支持和营养风险.

结论:

• 鉴定的风险因素提高了对老年人群中抑郁症发病的理解.
• 早期识别高风险个体是有效的早期干预的关键第一步.
• 机器学习模型对预测老年人抑郁风险有希望.