换一批基于机器学习以执行功能建立重度抑郁症自杀风险预测模型
Establishment the suicide risk prediction model on major depressive patients using executive function base on machine learning
摘要目的 本研究旨在探究执行功能和重度抑郁症(Major depressive disorder,MDD)自杀的关系,并利用MDD患者的执行功能基于机器学习算法开发自杀风险预测模型.方法 研究对象包括51名MDD自杀者,55名MDD非自杀者和100名健康对照者.执行功能采用N-BACK任务、情感转移任务(Affective shifting task,AST)、爱德华州赌博任务(Iowa gambling task,IGT)测量.方差分析比较三组执行功能差异.利用极端梯度提升(Extreme gradient boosting,XGBoost)分类算法构建预测模型,将预测性能及曲线下面积(Area under the curve,AUC)进行比较,局部解释技术评估特征的相对重要性.结果 三组在更新功能(P<0.001)、抑制功能(P=0.009)、转移功能(P<0.001)及决策功能(P<0.001)存在组间差异.MDD自杀组在抑制功能(P=0.013)和转移功能(P=0.023)比MDD非自杀组更差.利用综合数据构建了一个性能更优的自杀预测模型,执行功能可以提高预测模型的特异性、敏感性、准确性、F1分数及曲线下面积.结论 本研究发现执行功能是自杀的重要危险因素.在预测自杀企图的模型中,利用综合的数据可以提高模型分类性能.可解释的模型能提高预测结果可信度,有助于早期干预.
更多相关知识
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
