使用基于夜间心率变量的随机森林识别患有重度抑郁症的青少年

科学领域:

• 心脏病学 心脏病学
• 精神病学是一个精神病学.
• 生物医学工程 生物医学工程

背景情况:

• 青少年的重度抑郁症 (MDD) 经常被低诊断,严重依赖主观临床评估.
• 青少年MDD通常与睡眠障碍和心率变化 (HRV) 的减少有关.

研究的目的:

• 开发和验证一个自动化的分类模型,用于识别使用夜间HRV特征的青少年MDD.
• 评估数据持续时间和特征重要性对诊断准确性的影响.

主要方法:

• 63名青少年 (抑郁症和健康对照组) 接受了为期三天的心电图 (ECG) 监测.
• 从一夜间和短期 (5分钟) 数据段中提取了19个时间,频率和非线性HRV特征.
• 使用贝叶斯优化随机森林 (BO-RF) 分类器,并使用十倍交叉验证进行评估.

主要成果:

• 通过使用长期夜间HRV特征,BO-RF模型实现了80.6%的预测准确度.
• 短期数据分析显示,随着数据积累的增加,准确度提高了 (75.0%).
• 卡雷情节衍生的特征,特别是心率不对称 (HRA),对于区分抑郁青少年至关重要.

结论:

• 夜间HRV分析提供了一种有效,客观的方法来区分患有MDD的青少年与健康对照.
• 这种方法为青少年抑郁症的早期和准确诊断提供了潜在的进步.
• 这些发现支持将HRV监测集成到可穿戴设备中,以便在青少年心理健康查中广泛应用.