机器学习和基于SHAP的食抗氧化剂对伴随性MDD和自杀念头的影响的解释

科学领域:

• 营养精神病学 营养精神病学
• 计算精神病学是一种计算精神病学.
• 机器学习在心理健康中的应用

背景情况:

• 重度抑郁症 (MDD) 与自杀念头 (SI) 构成了重大的公共卫生挑战.
• 饮食因素,特别是抗氧化剂在心理健康结果中的作用需要进一步研究.
• 预测建模可以帮助早期识别和干预MDD与SI.

研究的目的:

• 开发和验证一个机器学习模型,用于用SI预测MDD.
• 将饮食中的抗氧化剂纳入模型中的关键预测因子.
• 确定饮食中抗氧化剂对SI的MDD预测的具体贡献.

主要方法:

• 利用了NHANES 2007-2010年的数据,包括人口统计,生活方式和饮食中的抗氧化剂摄入量 (维生素,矿物质,多).
• 采用了一个系统的基准测试协议,比较12个机器学习算法 (例如,随机森林,LightGBM,XGBoost).
• 在表现最好的模型中应用SHapley添加式扩展 (SHAP) 值来解释特征.

主要成果:

• 随机森林 (RF) 分类器表现出卓越的性能,达到81.7%的准确性,0.908 AUC-ROC和0.930 AUC-PR.
• SHAP分析确定了关键预测因子,包括维生素C,凯姆菲罗尔,米瑞丁,佩奥尼丁,卢特奥林,埃里奥迪克提,赫斯佩雷丁,佩拉戈尼丁和.
• 饮食中的抗氧化剂,特别是维生素C和kaempferol,被强调为预测SI的MDD的重要贡献者.

结论:

• 开发的射频模型有效地预测了共患MDD和SI.
• 饮食中的抗氧化剂在SI的MDD预测中发挥着关键作用.
• 这项研究强调了营养干预在管理和预防SI的MDD方面的潜力.