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

将流行病学建模与可解释的机器学习相结合,以预测和识别与美国田纳西州成年人自我报告的抑郁症状相关的因素

《Discover Mental Health》:Integrating epidemiologic modeling and explainable machine learning to predict and identify factors associated with self-reported depression among adults in Tennessee, United States

【字体: 大 中 小 】 时间:2026年06月05日 来源:Discover Mental Health 2.7

编辑推荐:

  摘要背景抑郁症是一个重大的公共卫生问题,田纳西州在美国各州的抑郁症患病率中名列前茅。尽管抑郁症带来了沉重的负担,但由于筛查手段有限以及获得心理健康服务的机会不足,许多病例仍未被发现。本研究结合了流行病学建模和可解释的机器学习技术,利用2023年行为风险因素监测系统(BRFSS)的

  

摘要

背景

抑郁症是一个重大的公共卫生问题,田纳西州在美国各州的抑郁症患病率中名列前茅。尽管抑郁症带来了沉重的负担,但由于筛查手段有限以及获得心理健康服务的机会不足,许多病例仍未被发现。本研究结合了流行病学建模和可解释的机器学习技术,利用2023年行为风险因素监测系统(BRFSS)的数据,预测了田纳西州成年人的自我报告抑郁情况,并确定了关键的风险因素。

方法

我们对2023年田纳西州BRFSS调查中的5596名成年人进行了横断面分析,这些成年人代表了5,569,707名加权受访者。主要研究结果是这些成年人一生中自我报告的抑郁诊断情况。俄勒冈州2023年的BRFSS数据被用作外部验证数据集。我们使用5折分层交叉验证方法训练了8种机器学习算法。模型性能通过AUROC、PR-AUC、准确率、精确度、召回率、F1分数、平衡准确率、DeLong检验和McNemar检验进行评估,而模型可解释性则通过SHapley加性解释(SHAP)方法进行评估。

结果

田纳西州成年人自我报告抑郁的加权患病率为27.3%。在所评估的算法中,XGBoost、梯度提升(Gradient Boosting)、随机森林(Random Forest)和逻辑回归(Logistic Regression)表现出最强且高度可比的外部验证性能。DeLong检验在AUROC方面,以及配对自助重采样在PR-AUC方面的结果显示,这四种领先算法之间没有统计学上的显著差异。McNemar检验在配对分类错误方面也显示出相似的模式。SHAP解释表明,性别、童年虐待经历(ACEs)类别、记忆力下降、残疾类别、种族/民族、体力活动不足和年龄组是影响自我报告抑郁的最重要预测因素。

结论

本研究展示了将可解释的机器学习方法整合起来预测和识别与自我报告抑郁相关因素的实用性,从而提高了公共卫生监测系统在早期识别高风险人群和制定针对性心理健康干预措施方面的作用。

背景

抑郁症是一个重大的公共卫生问题,田纳西州在美国各州的抑郁症患病率中名列前茅。尽管抑郁症带来了沉重的负担,但由于筛查手段有限以及获得心理健康服务的机会不足,许多病例仍未被发现。本研究结合了流行病学建模和可解释的机器学习技术,利用2023年行为风险因素监测系统(BRFSS)的数据,预测了田纳西州成年人的自我报告抑郁情况,并确定了关键的风险因素。

方法

我们对2023年田纳西州BRFSS调查中的5596名成年人进行了横断面分析,这些成年人代表了5,569,707名加权受访者。主要研究结果是这些成年人一生中自我报告的抑郁诊断情况。俄勒冈州2023年的BRFSS数据被用作外部验证数据集。我们使用5折分层交叉验证方法训练了8种机器学习算法。模型性能通过AUROC、PR-AUC、准确率、精确度、召回率、F1分数、平衡准确率、DeLong检验和McNemar检验进行评估,而模型可解释性则通过SHapley加性解释(SHAP)方法进行评估。

结果

田纳西州成年人自我报告抑郁的加权患病率为27.3%。在所评估的算法中,XGBoost、梯度提升(Gradient Boosting)、随机森林(Random Forest)和逻辑回归(Logistic Regression)表现出最强且高度可比的外部验证性能。DeLong检验在AUROC方面,以及配对自助重采样在PR-AUC方面的结果显示,这四种领先算法之间没有统计学上的显著差异。McNemar检验在配对分类错误方面也显示出相似的模式。SHAP解释表明,性别、童年虐待经历(ACEs)类别、记忆力下降、残疾类别、种族/民族、体力活动不足和年龄组是影响自我报告抑郁的最重要预测因素。

结论

本研究展示了将可解释的机器学习方法整合起来预测和识别与自我报告抑郁相关因素的实用性,从而提高了公共卫生监测系统在早期识别高风险人群和制定针对性心理健康干预措施方面的作用。

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:抑郁|田纳西州|机器学习|BRFSS|风险预测|可解释性

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