双相情感障碍患者躁狂发作暴力行为风险预测模型的构建

Construction of a Risk Prediction Model for Violence During Manic Episodes in Patients with Bipolar Affective Disorder

二维码有效期 120s

摘要目的分析双相情感障碍患者躁狂发作暴力行为发生的影响因素,并构建风险预测模型.方法 2021年7月至2022年11月,采用方便抽样方法选取在本院治疗的104例双相情感障碍且均发作过躁狂的患者作为研究对象.采用一般资料调查表、自知力和治疗态度问卷、杨氏躁狂量表对其进行调查.根据躁狂发作时有无暴力行为将其分为暴力行为组(n=51)和非暴力行为组(n=53),通过单因素分析双相情感障碍患者躁狂发作时出现暴力行为的影响因素,采用logistic回归、决策分类回归树、支持向量机算法构建双相情感障碍患者躁狂发作时暴力行为的预测模型,并采用受试者工作曲线比较3种方法构建的模型的预测价值.结果 logistic回归分析结果显示,自知力、病程、杨氏躁狂量表得分、既往暴力史均是双相情感障碍患者躁狂发作出现暴力行为的独立危险因素(P<0.05).决策分类回归结果显示,病程、既往暴力史、杨氏躁狂量表得分、住院次数、文化程度是双相情感障碍患者躁狂发作时出现暴力行为的影响因素.支持向量机算法结果显示,既往暴力史、近期应激事件、杨氏躁狂量表得分、病程是影响双相情感障碍患者躁狂发作出现暴力行为的重要性排前4位的因素.3种机器学习算法构建的模型中,支持向量机算法构建的预测模型效能最佳,曲线下面积为0.861,敏感度为0.784,特异度为0.849.结论双相情感障碍患者的病程、既往暴力史、住院次数等因素对患者躁狂发作出现暴力行为的预测有重要意义,基于机器学习算法构建的双相情感障碍患者躁狂发作时暴力行为的预测模型均具有较好的预测效能,其中以支持向量机算法模型诊断效能最佳,可进一步推广应用.