使用生态瞬间评估和机器学习技术来预测新兴成年人的抑郁症状
Usue De la Barrera1, Flavia Arrigoni2, Carlos Monserrat3
1Departamento de Psicología Evolutiva y de la Educación, Facultad de Psicología y Logopedia, Universitat de València, Spain.
Psychiatry research
|January 9, 2024
概括
机器学习可以准确地预测新兴成年人的抑郁症状,使用年龄和情绪调节等因素. 这种方法为传统的心理健康评估提供了补充的见解.
科学领域:
- 心理学 心理学 心理学
- 计算精神病学是一种计算精神病学.
- 心理健康 心理健康
背景情况:
- 新兴的成年期是一个关键的发展时期,以独特的心理健康挑战为标志.
- 了解抑郁症状的预测因素对于早期干预和支持至关重要.
- 传统的诊断方法可以通过数据驱动的方法来增强.
研究的目的:
- 预测新兴成年人的抑郁症状水平.
- 分析社会人口学变量的影响,影响和情绪调节策略.
- 评估机器学习 (ML) 模型在预测抑郁症方面的有效性.
主要方法:
- 通过移动应用程序在七天内利用生态瞬间评估 (EMA).
- 收集有关影响,最近生活事件和情绪调节策略的数据.
- 应用机器学习 (ML) 算法,包括随机森林,以预测抑郁症状.
主要成果:
- 与其他ML模型相比,随机森林算法显示出更高的预测准确性.
- 对严重抑郁症状的关键预测因素包括年龄,担忧的情绪和与社交交换相关的情绪调节.
- 该模型有效地利用了36个分析变量中的13个.
结论:
- 机器学习,特别是随机森林算法,显示出预测新兴成年人的抑郁症状的巨大潜力.
- 特定的人口和心理因素 (年龄,担忧,社会情绪调节) 是抑郁症状严重程度的强有力的指标.
- 这些基于机器学习的见解可以补充心理健康护理中现有的诊断和评估工具.
