机器学习算法预测中国老年人的抑郁症:一个横截面研究
Yan Li Qing Song1, Lin Chen1, Haoqiang Liu1
1College of Sports, Nanjing Tech University, Nanjing, China.
Frontiers in public health
|January 22, 2025
概括
机器学习模型可以预测中国老年人的抑郁症. 关键因素包括自我评估的健康,睡眠,性别,年龄和认知功能.
科学领域:
- 老年学是一门学科.
- 计算精神病学是一种计算精神病学.
- 公共卫生 公共卫生
背景情况:
- 抑郁症是全球老年人的一个重大健康问题.
- 了解中国老龄化人口中抑郁症的预测因素对于有针对性的干预至关重要.
研究的目的:
- 评估机器学习 (ML) 算法对中国老年人抑郁症发病率的预测能力.
- 为了确定这群人群中导致抑郁症的关键因素.
主要方法:
- 利用了来自2020年中国健康与退休长度研究的7880名老年人的数据.
- 应用了6个ML算法 (逻辑回归,k-最近邻居,支向量机,决策树,LightGBM,随机森林) 用于预测建模.
- 用于ROC曲线的Delong测试,用于模型性能评估的ROC曲线比较和决策曲线分析 (DCA),用于解释的Shapely添加式解释.
主要成果:
- 模型实现了曲线下的面积 (AUC) 范围为0.648-0.738,观察到显著差异 (P < 0.01).
- 根据DCA,LightGBM在各种概率值中显示出最高的净收益.
- 抑郁症的主要预测因素包括自我评估的健康状况,夜间睡眠,性别,年龄和认知功能.
结论:
- 机器学习算法有效地预测了中国老年成人人口中抑郁症的发生率.
- 确定了与抑郁症相关的关键因素,使得有针对性的预防和治疗策略成为可能.
