社交网络和抑郁倾向:从青春期到成年期的纵向研究

科学领域:

• 心理学 心理学 心理学
• 数据科学数据科学数据科学
• 社会学 社会学 社会学

背景情况:

• 从青少年心理社会因素预测成人抑郁倾向对于早期干预至关重要.
• 纵向研究对于了解发育轨迹及其对心理健康的长期影响至关重要.

研究的目的:

• 用青少年发展轨迹和社交网络数据来预测成人抑郁倾向.
• 将图形神经网络 (GNN) 的预测性能与传统机器学习方法进行比较.

主要方法:

• 利用了来自台湾青年项目 (TYP) 的纵向数据,其中有1047名参与者跨越了四个波 (2000-2017年).
• 检查了从青春期到成年期 (年龄约30岁) 影响抑郁倾向的个人,家庭和同龄因素.
• 使用图形神经网络 (GNN) 模型 (特别是 GraphSAGE) 和传统的机器学习 (例如,物流回归).

主要成果:

• 高度的青少年自尊,家庭凝聚力和同行支持是防止成年人抑郁倾向的重要保护因素.
• 不利的家庭结构,如离婚但同居的父母,增加了成人抑郁症的风险.
• 通过结合社交网络结构,图形神经网络 (GNN) 模型表现出与传统方法 (F1-score ≈ 0.35) 相比,更高的预测准确性 (F1-score ≈ 0.37).

结论:

• 青少年的心理社会因素对成人心理健康有持久的影响.
• GNNs提供了一种强大的方法来建模复杂的社会互动,并改善对长期心理健康结果的预测.
• 这些发现支持开发基于学校的计划和GNN驱动的工具,以早期识别和干预患有抑郁症风险的个人.