在中国使用机器学习的乳腺癌患者中预测抑郁症,焦虑症及其并发症:一项多站点跨部门研究

科学领域:

• 心理学和瘤学 心理学和瘤学
• 医疗保健中的机器学习

背景情况:

• 乳腺癌患者中抑郁和焦虑的高患病率.
• 需要在这个人群中预测心理痛苦的预测模型.

研究的目的:

• 在乳腺癌患者中评估个人资源对抑郁症,焦虑症和并发性抑郁症和焦虑症 (CDA) 的预测能力.
• 将个人资源模型的预测性能与包含人口统计和COVID-19影响的模型进行比较.

主要方法:

• 在中国,对707名乳腺癌患者进行了横截面调查.
• 对于初始个人资源模型的拉索逻辑回归.
• 六种机器学习方法,对组合模型进行十倍的交叉验证 (个人资源,人口统计,COVID-19影响).

主要成果:

• 患病率:21.9%的抑郁症,35.1%的焦虑症,14.7%的CDA.
• 确定了关键预测因素:孤独,活力,心理健康,身体疼痛,自我控制.
• 个人资源模型显著优于人口和COVID-19影响模型 (AUC 0.826-0.869与0.505-0.629).
• 在结合所有因素时,支向量机器模型显示出最佳预测 (AUC 0.832-0.873).

结论:

• 在乳腺癌患者中,个人资源是抑郁,焦虑和CDA的强有力的预测因素.
• 机器学习有效地利用个人资源特征进行预测.
• 建议针对孤独,身体疼痛,活力,心理健康和自我控制的干预措施.