预测患有异常帕普查测试的女性的诊断前和诊断后抑郁症:神经网络方法
Irena Ilic1, Goran Babic2, Sandra Sipetic Grujicic3
1Faculty of Medicine, University of Belgrade, 11000 Belgrade, Serbia.
Life (Basel, Switzerland)
|July 29, 2025
概括
这项研究使用神经网络来预测患有异常巴氏涂抹的妇女的抑郁症. 这些模型准确地识别了有风险的妇女,使得及时的心理支持能够更好地遵守诊断程序.
科学领域:
- 医疗信息学 医疗信息学
- 精神病学是一个精神病学.
- 妇科 妇科医生 妇科
背景情况:
- 异常的乳腺癌 (Pap) 涂抹结果可能导致抑郁,影响妇女遵守必要的后续诊断程序.
- 早期识别抑郁症状对于及时提供心理支持和确保护理的连续性至关重要.
研究的目的:
- 开发和验证神经网络模型,以预测患有异常帕普查测试的女性的诊断前和诊断后抑郁症状.
- 在这个患者群体中确定抑郁症的关键预测因素.
主要方法:
- 一组172名女性的帕普查结果呈阳性,接受了诊断程序 (结肠镜检查/活检/宫内切割).
- 在手术前后收集了社会人口统计数据和医院焦虑和抑郁量表 (HADS) 评分.
- 多层感知神经网络用于预测建模.
主要成果:
- 诊断前的抑郁症在37.2%的女性中被发现,焦虑,抑郁症 (CESD),焦虑 (POSM) 和镇静剂使用作为关键预测因素. 该预测模型实现了79.41%的准确性 (AUROC 0.842).
- 诊断后的抑郁症增加到48.3%. 该模型用于预测诊断后抑郁症,使用HADS焦虑,居住地和CESD得分,实现了88.24%的准确性 (AUROC 0.939).
结论:
- 神经网络模型可以有效地预测女性经历诊断程序后,异常的巴氏涂片检查后抑郁症状.
- 这些预测能力可以帮助医疗保健提供者提供有针对性的心理干预,改善患者的坚持和结果.
