换一批基于机器学习算法构建日常生活活动能力障碍老年人抑郁风险预测模型
Constructing a depression risk prediction model for elderly people with activities of daily living impairment based on machine learning algorithms
摘要目的 探讨日常生活活动(ADL)能力障碍老年人抑郁的影响因素,并基于机器学习(ML)算法构建中国ADL障碍老年人抑郁风险预测模型.方法 基于中国健康与养老追踪调查(CHARLS)项目第五轮数据,采用Boruta算法和Lasso回归算法筛选ADL障碍老年人抑郁风险因素,采用随机森林、轻量梯度提升机、极端梯度提升、逻辑回归、K近邻算法、支持向量机、人工神经网络、决策树、弹性网络回归算法 9 种ML方法构建抑郁风险预测模型,并采用SHAP算法对最终模型进行解释.结果 共纳入 3 167 名ADL障碍老年人,抑郁检出率为 60.69％.随机森林模型预测性能最优,在训练集、测试集上的AUC分别为 0.804[95％CI(0.788,0.820)]、0.779[95％CI(0.752,0.806)].SHAP算法结果显示,生活满意度、疼痛而难受、自评健康状况、子女关系满意度、性别、2018 年以来是否发生摔倒、一个月医疗机构门诊次数、年龄、文化程度、过去一个月是否上网对ADL障碍老年人抑郁风险预测模型的影响作用依次减少.校准曲线表明模型预测效果和实际结果基本一致,决策曲线表明模型具有良好的临床适用性.结论 罹患ADL障碍年龄较早、女性、文化程度较低、自评健康状况下降、生活满意度较低、子女关系满意度较低、医疗机构门诊次数增加、发生摔倒、机体疼痛、不会使用互联网显著增加了ADL障碍老年人抑郁发生风险,基于ML算法构建的抑郁发生风险预测模型中,随机森林模型的预测性能最优.
更多相关知识
关键词
日常生活活动能力抑郁风险预测模型机器学习SHAP算法Activity of daily living abilityDepressionRisk prediction modelMachine learningSHAP algorithm
分类号
R749.4（精神病学）
栏目名称
DOI
10.12173/j.issn.1004-5511.202412079
发布时间
2026-03-13（万方平台首次上网日期，不代表论文的发表时间）
基金项目
新疆维吾尔自治区自然科学基金面上项目（2025D01C169）
新疆维吾尔自治区卫生健康青年医学科技人才专项科研项目（WJWY-202148）
新疆护理学会年度科研项目（2022XH16）
新疆护理学会年度科研项目（2023XH040）
新疆医科大学第一附属医院青年科研起航专项（2022YFYQNRC-07）
- 浏览3
- 被引0
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
