利用机器学习发现母亲产后抑郁症的特定种族预测因素
Ying Zhang1, Jun Fang2, Andrew Liu3,4
1Department of Psychology, Clarkson University, Potsdam, NY, USA. yinzhang@clarkson.edu.
概括
产后抑郁症 (PPD) 影响了许多母亲,少数群体面临更高的风险. 机器学习确定了不同种族的PPD独特的风险因素,强调了需要量身定制的,文化敏感的预防策略.
科学领域:
- 公共卫生 公共卫生
- 孕产妇心理健康 孕产妇心理健康
- 健康差异 在健康上的差异
背景情况:
- 母亲产后抑郁症 (PPD) 影响超过15%的母亲,对儿童发育构成风险.
- 在PPD中,种族差异是一个重大的公共卫生问题,少数民族母亲患病率更高.
- 识别特定种族的风险因素对于有针对性的PPD预防和减少健康差异至关重要.
研究的目的:
- 为了检查产后抑郁症 (PPD) 的风险因素在不同族群的母亲之间如何变化.
- 利用机器学习来识别PPD的特定人群预测因素.
- 为培养文化敏感,有针对性的PPD预防策略的发展提供信息.
主要方法:
- 对CDC怀孕风险评估监测系统数据的分析 (N=39,637).
- 应用随机森林机器学习算法来识别PPD风险因素.
- 亚组分析用于比较跨种族和种族群体的预测因素.
主要成果:
- 机器学习模型确定了关键的PPD预测因素,包括妊娠前/产前抑郁症,收入,之前的PPD访问,WIC参与,保险,母乳养,怀孕意图和教育.
- 在各族群中观察到PPD危险因素的显著差异.
- 黑人母亲 (吸烟,终止怀孕),西班牙裔/拉丁裔母亲 (意外怀孕,吸烟) 和亚裔母亲 (婴儿睡眠,孕前行为,婴儿性行为) 出现了独特的预测因素.
结论:
- 机器学习有效地识别数据驱动的,特定于人群的PPD预测因素.
- 解决PPD的种族差异需要在围产期护理中采取文化敏感和早期的预防方法.
- 需要量身定制的干预措施来缓解PPD风险和与此相关的不同孕产妇群体之间的健康差异.
