今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

使用循环神经网络和纵向数据预测中国大学生的抑郁症状

《Scientific Reports》:Predicting depressive symptoms among Chinese college students using recurrent neural networks with longitudinal data

【字体: 大 中 小 】 时间:2026年06月02日 来源:Scientific Reports 3.9

编辑推荐:

  摘要与非大学生群体相比,大学生面临更高的抑郁风险。然而,导致大学生出现抑郁症状的因素及其相对重要性仍不明确。本研究旨在利用四年的纵向数据集,为中国本科生建立抑郁症状的预测模型,并探讨各预测因素的重要性排序。研究招募了1,500名四川大学的学生,对他们进行了为期四年的跟踪调查。通过

  

摘要

与非大学生群体相比,大学生面临更高的抑郁风险。然而,导致大学生出现抑郁症状的因素及其相对重要性仍不明确。本研究旨在利用四年的纵向数据集,为中国本科生建立抑郁症状的预测模型,并探讨各预测因素的重要性排序。研究招募了1,500名四川大学的学生,对他们进行了为期四年的跟踪调查。通过计算机问卷收集了他们的 demographic(人口统计)、behavioral(行为)和 psychological(心理)数据。研究人员利用循环神经网络(RNN)构建了四个预测模型,以捕捉大学生在大学期间抑郁风险的变化动态。在四个调查阶段中,抑郁症状的患病率介于3.60%至6.27%之间。所有RNN模型的预测性能均非常出色(AUC值在0.921至0.952之间),且随着随访时间的延长,模型的敏感性有所提高,其表现优于传统的预测方法,如多层线性回归、k-最近邻算法和支持向量机。特征重要性分析表明,家庭关系问题是早期抑郁症状的关键预测因素。童年时期的创伤经历和原有的心理健康问题具有长期影响,而与健康相关的因素(如主观睡眠质量、睡眠障碍和自我评估的健康状况)在不同年份中都是一致的指标。这些发现对大学心理健康工作具有重要的实践意义,表明及早识别高风险学生有助于实施有针对性的干预措施,例如提供基于家庭的支持、基于创伤的心理咨询以及针对学生发展阶段的睡眠健康教育。这种数据驱动的策略可能有助于提升预防效果并促进学生的福祉。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:大学生抑郁预防|传统方法局限性|数据驱动的预测模型|家庭关系|创伤经历|睡眠与健康评估

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号