机器学习和SHAP值解释了健康和中风后抑郁的社会决定因素之间的联系
Zhiwei Song1, Jilin Weng2, Yupeng Han3
1Shengli Clinical Medical College of Fujian Medical University, Department of Neurology, Fuzhou University Affiliated Provincial Hospital, Fujian Key Laboratory of Medical Analysis, Fujian Academy of Medical Sciences, Fuzhou, Fujian, China.
BMC public health
|August 22, 2025
概括
健康的社会决定因素 (SDoH) 与中风后抑郁症 (PSD) 有线关联. CatBoost机器学习模型有效预测PSD,强调SDoH在中风结果中的重要性.
科学领域:
- * 医疗信息学
- * 公共卫生
- * 神经学
背景情况:
- 脑卒中后抑郁症 (PSD) 是一种常见的并发症,影响患者的康复和生活质量.
- *健康的社会决定因素 (SDoH) 显著影响健康结果,包括中风后的健康结果.
- * 将SDoH纳入预测模型可以改善PSD和相关疾病结果的评估.
研究的目的:
- 开发和验证一个包含SDoH用于PSD预测的机器学习 (ML) 模型.
- * 分析SDoH和PSD患病率之间的关联.
- * 检查PSD患者中SDoH与全因死亡率之间的关系.
主要方法:
- *使用了国家健康和营养调查的数据.
- * 使用SDoH和PSD关联的后勤回归,以及SDoH和PSD死亡率的考克斯回归.
- * 应用了Boruta算法来选择特征,并构建了四个ML模型 (CatBoost,Logistic,MLP,随机森林) 来进行预测评估.
主要成果:
- * 后勤回归显示SDoH和PSD患病率之间存在显著的正相关性 (p < 0. 0001).
- * CatBoost 模型取得了最高的预测性能 (AUC = 0.966),优于其他模型.
- * 决策曲线和校准分析证实了CatBoost模型的临床实用性和可靠性,并通过十倍交叉验证进一步验证.
结论:
- * 在SDoH和PSD之间建立了线性关系.
- * CatBoost模型在预测PSD方面表现出卓越的表现.
- * SHAP值强调了SDoH在预测中风后抑郁症中的关键作用.
