将机器学习模型与基于创新技术的查工具相结合,用于识别原住民围产母亲的心理痛苦

科学领域:

• 土著健康土著健康
• 围产期心理健康 围产期心理健康
• 机器学习应用 机器学习应用

背景情况:

• 原住民孕产期母亲面临着严重的心理健康风险,尽管有弹性.
• 早期识别心理困扰对于干预至关重要.

研究的目的:

• 开发机器学习模型,用于预测土著围产期母亲的高度心理痛苦.
• 将一个文化安全的选工具与预测建模相结合.

主要方法:

• 利用了来自西澳大利亚的179名土著母亲的数据集 (2022年7月至9月).
• 使用基于网络的,文化安全的查工具进行围产期心理健康评估.
• 在特征选择 (23个关键变量) 后应用机器学习模型 (随机森林,支持矢量机器).

主要成果:

• 确定了23个重要的预测因素,包括情绪状态,伴侣问题,日常担忧和支持需求.
• 随机森林和支持矢量机模型实现了高性能 (AUC> 0.95,精度> 0.86,F1分数> 0.87).

结论:

• 机器学习模型显示,识别有心理困扰风险的土著母亲有很大的潜力.
• 这种方法可以帮助临床决策,以提高原住民家庭的医疗保健和福祉.