一种基于机器学习的方法来预测主观认知衰退的中国老年人的抑郁症:一项纵向研究

科学领域:

• 老年学是一门学科.
• 精神病学是一个精神病学.
• 计算医学是一种计算医学.

背景情况:

• 主观认知衰退 (SCD) 是痴呆症的前体,在老年人群中增加抑郁症的风险.
• 在患有SCD的老年人中,早期发现抑郁症对于及时干预和改善结果至关重要.
• 机器学习为开发抑郁症等复杂健康状况的预测模型提供了一个有希望的方法.

研究的目的:

• 在经历主观认知衰退 (SCD) 的老年人中识别抑郁症的风险因素.
• 开发和评估机器学习模型,以预测该人群中的抑郁风险.
• 通过识别高风险个体,使及时干预成为可能.

主要方法:

• 利用了2015年和2018年中国健康与退休长度研究 (CHARLS) 波的数据.
• 采用渐变增强,随机森林和增强的XGBoost机器学习算法进行预测.
• 应用拉索特征选择和评估模型使用ROC曲线,AUC,灵敏度,特异性和校准.

主要成果:

• 增强的XGBoost实现了最高的预测准确度 (AUC = 0.893),紧随其后的是梯度增强 (AUC = 0.887) 和随机森林 (AUC = 0.861).
• 随机森林在预测抑郁风险方面表现出卓越的灵敏度.
• 确定的主要预测因素包括教育程度,消化系统健康,关节炎,睡眠时间和居住地点.

结论:

• 开发的机器学习模型有效预测SCD老年人的抑郁风险.
• 早期识别有风险的个体是可行的,支持个性化干预策略.
• 这些发现有助于理解抑郁症的进展,并为为老年人提供有针对性的心理健康支持的发展提供信息.