使用机器学习对产后抑郁症的预测分析
1Department of Nursing, Kongju National University, Gongju 32588, Republic of Korea.
Healthcare (Basel, Switzerland)
|April 26, 2025
概括
产后抑郁症 (PPD) 影响了许多母亲. 根据机器学习分析,伴侣冲突和压力显著增加了PPD风险,而重视孩子则提供了保护.
科学领域:
- 精神病学是一个精神病学.
- 孕产妇健康 孕产妇健康
- 医疗保健中的机器学习
背景情况:
- 产后抑郁症 (PPD) 是一个重大的心理健康挑战,影响到母亲和家庭.
- 识别预测因素和开发PPD早期检测模型对于及时干预至关重要.
- 现有的研究突出了各种风险因素,但预测建模提供了更深入的见解.
研究的目的:
- 调查影响母亲产后抑郁症的因素.
- 开发和评估基于机器学习的PPD风险预测模型.
- 确定早期识别和干预策略的关键预测因素.
主要方法:
- 使用了韩国幼儿教育和护理小组 (K-ECEC-P) 数据集 (n=2570).
- 应用机器学习分类器包括后勤回归,决策树,随机森林和AdaBoost.
- 使用精度,准确性,回忆,F1得分和AUC评估模型性能.
主要成果:
- 后勤回归模型在预测PPD方面表现出卓越的性能.
- 确定了重要的预测因素:与伴侣发生冲突,压力和孩子的价值.
- 增加的伴侣冲突和压力与更高的PPD概率有关; 孩子的更高价值降低了风险.
结论:
- 伴侣冲突和压力是母亲产后抑郁症的强有力的预测因素.
- 对儿童的积极评价是预防PPD的保护因素.
- 孕产妇的心理健康和环境因素需要仔细的产后管理.


