换一批压力过程对抑郁状态的动态预测:基于多层决策树
Dynamic prediction of depressive states using stress processes:A multilevel decision tree approach
摘要近年来,抑郁预测的重要性日渐凸显.以往研究主要在个体间水平考察抑郁的风险因素,本研究聚焦个体内水平,结合压力这一关键因素以及日常压力过程模型,构建压力过程对抑郁状态的动态预测模型.收集356名大学生7天(每天 5次)的生态瞬时评估数据,采用多层决策树的机器学习算法,发现:(1)含忧虑消极情绪、压力源和反刍的模型能准确预测个体后续(3 小时后)有无抑郁状态;(2)不含情绪的预测模型中,整合当前和预期压力应对、反刍、身体不适感和主观压力感受也能实现对抑郁状态的有效预测;(3)压力过程的多个成分会累积作用于个体,共同预测后续的抑郁状态;(4)压力过程的累积均值和偏离值动态指标对抑郁状态预测有重要贡献.研究从动态视角开发抑郁状态的实时预警工具,揭示多种压力过程因素协同预测的复杂组合和影响路径,深化压力过程对抑郁状态复杂预测模式的理解.
更多相关知识
关键词
压力过程抑郁多层决策树生态瞬时评估stress processdepressionmultilevel decision treeecological momentary assessment
分类号
B849:R395
栏目名称
DOI
10.3724/SP.J.1041.2025.1363
发布时间
2025-08-07（万方平台首次上网日期，不代表论文的发表时间）
- 浏览10
- 被引1
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
