
-
生物通官微
陪你抓住生命科技
跳动的脉搏
癌症幸存者的心理困扰:一项基于人群的分析及基于机器学习的风险分层研究
《Supportive Care in Cancer》:Psychological distress in cancer survivors: a population-based analysis and machine learning–based risk stratification
【字体: 大 中 小 】 时间:2026年05月28日 来源:Supportive Care in Cancer 3
编辑推荐:
摘要 目的 随着癌症幸存者数量的增加,心理困扰已成为一个重要问题。我们利用具有全国代表性的数据,评估了韩国癌症幸存者与无癌症对照组之间的心理健康状况,并开发了模型来识别有心理困扰风险的个体。 方法 我们分析了2007年至2021年韩国国家
随着癌症幸存者数量的增加,心理困扰已成为一个重要问题。我们利用具有全国代表性的数据,评估了韩国癌症幸存者与无癌症对照组之间的心理健康状况,并开发了模型来识别有心理困扰风险的个体。
我们分析了2007年至2021年韩国国家健康与营养调查(KNHANES)的数据。通过标准化问卷评估了心理状况,并构建了一个综合心理困扰指标。我们使用逻辑回归和机器学习算法(包括随机森林、XGBoost、LightGBM、支持向量机、k近邻和朴素贝叶斯)对癌症幸存者进行了风险分层建模。
共有88,061名参与者被纳入研究,其中3,733名为癌症幸存者,84,328名为无癌症对照组。与无癌症对照组相比,癌症幸存者出现抑郁情绪(OR 1.33;95% CI 1.18–1.51)、自杀念头(OR 1.14;95% CI 1.00–1.31)、自杀计划(OR 1.91;95% CI 1.37–2.65)以及需要心理健康咨询(OR 1.36;95% CI 1.08–1.71)的概率更高。在多种模型中,逻辑回归的表现最佳(AUROC 0.689),其次是XGBoost(0.686)。在逻辑回归分析中,工作时间较长、有抑郁史、活动受限、女性性别、吸烟、就业状况、低收入和身体形象扭曲等因素与心理困扰独立相关。SHAP分析确定活动受限、性别和抑郁史是关键因素。
癌症幸存者在多个心理指标上表现出更高的心理困扰程度。基于机器学习的模型有助于识别出心理困扰风险较高的个体,从而支持在幸存者护理中实施基于风险的评估。