科学领域:

• 精神病学是一种精神病学.
• 机器学习 机器学习
• 公共卫生 公共卫生

背景情况:

• 自杀念头是自伤的关键指标,在标准的抑郁症查中经常被低估.
• 患者健康问卷-9 (PHQ-9) 是评估抑郁症严重程度的广泛使用的工具.

研究的目的:

• 识别和分析来自PHQ-9的抑郁症状,与秘鲁人口的自杀念头有关.
• 评估机器学习算法在检测这些关联方面的有效性.

主要方法:

• 一项观察性,分析性和横截面研究,利用来自全国健康调查的32,062名参与者的数据.
• 采用了统计方法,包括千平方测试,具有强大的方差的波桑回归,多层感知子和决策树算法.

主要成果:

• 决策树算法实现了对自杀念头的高分类准确性:女性91.10%,男性94.70%.
• 多层感知子模型确定了关键的相关症状:女性的身体和情绪症状 (感觉不舒服,抑郁,精神运动变化,睡眠问题),男性的情感认知症状 (感觉不舒服,抑郁,精神运动变化,睡眠,食欲变化).

结论:

• 监督学习算法是识别与秘鲁自杀念头相关的PHQ-9抑郁症状的有效工具.
• 两性之间观察到与自杀念头相关的明显症状概况,女性表现出更多的身体症状,男性表现出更多的情感认知症状.
• 机器学习可以作为一个有价值的辅助精神卫生专业人员在评估自杀风险.