一个机器学习模型用于预测摩洛哥风湿关节炎患者的抑郁症
Imad Chakri1, Noura Qarmiche2, Mohammed Omari3
1Medical Informatics, Laboratory of Epidemiology, Biostatistics and Health Information Processing, Agadir, MAR.
Cureus
|April 17, 2025
概括
机器学习模型可以预测类风湿关节炎 (RA) 患者的抑郁症. 后勤回归显示出最佳性能,有助于早期干预RA患者经历抑郁症.
科学领域:
- 类风湿病学 类风湿病学
- 人工智能的人工智能
- 精神病学是一个精神病学.
背景情况:
- 类风湿性关节炎 (RA) 是一种慢性炎症疾病,严重影响患者的生活质量.
- 抑郁症是RA中常见的并发症,恶化疼痛并阻碍缓解.
- 在RA中预测抑郁症是由于资源限制而具有挑战性的.
研究的目的:
- 开发和评估用于预测RA患者抑郁症的机器学习 (ML) 模型.
- 确定关键的临床特征与抑郁症相关的RA.
- 改善早期发现和治疗RA患者的抑郁症.
主要方法:
- 研究了112名RA患者的队列.
- 使用医院焦虑和抑郁量表 (HADS) 评估抑郁症.
- 使用12个临床特征开发了5个ML模型 (SVM,RF,DT,LR,GBC),数据预处理包括规范化和编码. 用准确度,精度,回忆,F1分数和AUC来评估性能.
主要成果:
- 后勤回归 (LR) 模型显示了最高的预测性能.
- 该LR模型实现了76.5%的准确性,72.2%的精度,81.2%的回忆,F1得分为0.765,ROC AUC为0.767.
- 基于ML的特征选择确定了RA中抑郁症的最佳预测因素.
结论:
- ML模型,特别是逻辑回归,在预测RA患者抑郁症方面显示出显著的前景.
- 识别的特征和LR模型为早期风险识别提供了有价值的工具.
- 建议进一步验证和开发先进的ML模型,以加强RA患者的护理和心理支持.
