心肌梗塞后抑郁和焦虑的预测建模:对影响因素和心率波动的研究
Luana Lorena Moreira1,2, Marcelle Sá2, Lucas Salgado Rezende de Mendonça1
1Center of Innovation, Technology, and Education (CITE) at Anhembi Morumbi University, Anima Institute, Sao Jose Dos Campos Technology Park, Sao Jose Dos Campos, 12247-016 Brazil.
心肌梗塞 (MI) 后的患者经常经历抑郁和焦虑. 使用心率变化 (HRV) 的机器学习模型显示,对心脏病患者的早期风险预测有前途.
科学领域:
- 心脏病学 心脏病学
- 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:
- 心肌梗塞 (MI) 显著影响患者的康复和预后,由于心理困扰.
- 抑郁症和焦虑症是心脏病发作后常见的并发症,影响患者的治疗结果.
研究的目的:
- 调查心脏病后抑郁症和焦虑症的患病率.
- 确定关键预测因素,包括心率变化 (HRV).
- 评估用于预测这些心理条件的机器学习 (ML) 模型.
主要方法:
- 一项针对70名心脏病后患者的前性观察队列研究.
- 收集的人口,临床,心理数据和HRV指标.
- 利用机器学习进行特征选择和预测模型开发.
主要成果:
- 观察到抑郁症 (41.43%) 和焦虑症 (44.29%) 的高患病率,女性患病率更高.
- 后勤回归显示了对抑郁症预测的良好表现 (AUC-ROC 0.75).
- 高西安NB和随机森林分类器在焦虑预测方面表现出有效性.
结论:
- 后心脏病发作后的抑郁和焦虑很普遍,需要有效的管理策略.
- 结合临床和HRV数据的ML模型为早期风险分层提供了潜力.
- 解决健康素养挑战和探索客观措施可以增强MI后的心理评估.
更多相关视频
06:55An Unpredictable Chronic Mild Stress Protocol for Instigating Depressive Symptoms, Behavioral Changes and Negative Health Outcomes in Rodents
Published on: December 2, 2015
05:48Autonomic Function Following Concussion in Youth Athletes: An Exploration of Heart Rate Variability Using 24-hour Recording Methodology
Published on: September 21, 2018
相关概念视频
Factors Influencing Heart Rate
Let us explore the significant factors affecting heart rate, including age, body temperature, posture, acute pain, chemical influences,...
Cardiomyopathy III: Hypertrophic Cardiomyopathy
Psychoneuroimmunology: Cardiovascular Disease
A key area of focus in PNI is the relationship between stress and coronary...
Coronary Artery Disease I: Introduction
Heart Failure I: Introduction
