使用机器学习预测脑震荡恢复时间:心理和症状因素的重要性
Ellen Taylor1, Logan Shurtz2, Stephen C Bunt2
1Department of Statistics and Data Science, Southern Methodist University, University Park, TX, USA.
The Clinical neuropsychologist
|August 26, 2025
概括
机器学习模型可以预测脑震荡恢复时间. 心理健康和睡眠因素对恢复时间的影响比传统的受伤变量更大.
科学领域:
- 运动医学
- 神经学
- 数据科学
背景情况:
- 预测脑震荡恢复时间对于运动员管理至关重要.
- 确定延长复苏的可靠预测因素仍然是一个挑战.
研究的目的:
- 开发机器学习 (ML) 模型来预测脑震荡恢复时间.
- 将ML模型的预测因素与已确定的风险因素进行比较.
- 用传统的逻辑回归来评估ML模型的预测准确性.
主要方法:
- 使用北德克萨斯州脑震荡登记 (ConTex) 数据集.
- 在1000名运动相关伤害的参与者 (年龄在6-59岁) 上训练有素的ML模型.
- 采用5倍交叉验证和留下一个特征 (LOFO) 进行性能和特征重要性评估.
主要成果:
- 一个CatBoost二进制ML模型实现了0.79的AUC预测恢复在14天内或超过.
- 主要预测因素包括到诊所的时间,症状严重程度和自我报告的抑郁症状,焦虑和睡眠质量.
- ML模型的性能与后勤回归相似,多类模型显示较低的AUC.
结论:
- 创伤后的心理健康 (抑郁,焦虑) 和睡眠质量比失去意识等创伤特征更强有力的预测因素.
- 机器学习在脑震荡恢复预测方面表现有前途, 尽管它在传统方法上的优势取决于数据特征.
