识别患中风后抑郁风险的个体:开发和验证预测模型
1From the Department of Basic Medical Sciences, Taibah University, Al-Madinah Al-Munawarah, Kingdom of Saudi Arabia.
Saudi medical journal
|May 7, 2025
概括
年龄和性别是中风后抑郁症 (PSD) 的关键预测因素. 机器学习模型,特别是随机森林,可以预测PSD,有助于早期干预和管理可修改的风险,以获得更好的中风幸存者结果.
科学领域:
- 神经学 神经学
- 精神病学是一个精神病学.
- 数据科学数据科学数据科学
背景情况:
- 脑卒中后抑郁症 (PSD) 是一种常见的并发症,影响中风幸存者的生活质量.
- 确定PSD的预测因素对于及时干预至关重要.
研究的目的:
- 确定与PSD相关的社会人口统计学,生活方式和临床因素.
- 开发和评估用于预测PSD的机器学习模型.
主要方法:
- 利用了2023年行为风险因素监测系统的数据.
- 采用描述性统计,物流回归和特征重要性分析.
- 训练和评估了四种机器学习模型:随机森林,决策树,梯度增强和后勤回归,以准确性,精度,回忆,F1分数和AUC-ROC来评估性能.
主要成果:
- 增加年龄,男性性别,婚姻,更高的收入和体育活动与较低的PSD几率有关.
- 肥胖,吸烟,糖尿病和高胆固醇与增加PSD几率有关.
- 年龄和性别成为最重要的预测因素;随机森林取得了最高的表现 (AUC-ROC=0.81).
结论:
- PSD具有涉及社会人口统计学,生活方式和临床因素的多因素病因.
- 随机森林模型准确地预测PSD,强调全面评估的重要性.
- 早期干预和可修改风险的管理对于改善中风幸存者的结果至关重要.
