机器学习模型在研究生中检测抑郁,焦虑和压力方面表现如何? 一个系统的审查
Bruno Luis Schaab1, Prisla Ücker Calvetti1, Sofia Hoffmann1
1Universidade Federal de Ciências da Saúde de Porto Alegre, Porto Alegre, Brasil.
Cadernos de saude publica
|January 8, 2025
概括
机器学习模型对在本科生中检测抑郁症,焦虑和压力充满希望,许多模型的准确率超过70%. 然而,证据质量非常低,需要对实际公共卫生应用进行外部验证.
科学领域:
- 心理健康技术 心理健康技术
- 计算精神病学是一种计算精神病学.
- 数字健康数字健康
背景情况:
- 本科生面临着重大的心理健康挑战,包括抑郁,焦虑和压力.
- 机器学习 (ML) 提供了在这个人口群体中评估心理健康的潜在工具.
- 本研究评估了ML模型在在本科生中检测这些条件方面的表现.
结论:
- 虽然机器学习模型显示了在本科生中检测心理健康问题的潜力,但它们的实际应用性需要仔细审查.
- 大多数模型仅依赖内部验证,可能会膨胀性能指标.
- 证据的整体质量被评为非常低,强调了未来研究需要强有力的外部验证的需要.
