换一批基于机器学习构建中重度抑郁症住院患者使用SNRI类抗抑郁药的疗效预测模型
Construction of a predictive model for the efficacy of SNRI antidepressants in inpatients with moderate and severe depression based on machine learning
摘要目的 运用机器学习方法构建中重度抑郁症住院患者使用5-羟色胺去甲肾上腺素再摄取抑制剂(SNRI)的疗效预测模型.方法 回顾性收集2022年1月至2024年10月在新疆某三甲医院使用SNRI类药物治疗的中重度抑郁症住院患者病历资料,根据24项汉密尔顿抑郁量表评分标准的减分率,将患者分为有效组与无效组;经过LASSO回归筛选与SNRI类药物疗效相关的特征变量,应用训练集构建支持向量机、k近邻、随机森林、轻量级梯度提升机和极端梯度提升5种预测模型,使用贝叶斯优化算法调整模型的超参数,再以验证集评估模型性能,以筛选出最优模型.应用夏普利加性解释方法对最优模型进行解释.结果 共收集到355例中重度抑郁症住院患者的病历资料,其中有效组285例、无效组70例,治疗有效率为80.28%.经过特征变量筛选,得到与疗效相关的5个特征变量,分别为汉密尔顿焦虑量表评分、血尿素氮、合用抗焦虑药物、饮酒史、首次发病.与其他模型相比,随机森林模型的性能表现最优,其受试者工作特征曲线下面积值为0.85,精确率-召回率曲线下面积值为0.87,准确度为0.74,召回率为0.75.结论 基于5种特征变量建立的随机森林模型可用于中重度抑郁症住院患者使用SNRI类药物的疗效预测.
更多相关知识
关键词
5-羟色胺去甲肾上腺素再摄取抑制剂中重度抑郁症疗效机器学习预测模型serotonin-norepinephrine reuptake inhibitormoderate and severe depressionefficacymachine learningpredictive model
栏目名称
DOI
10.6039/j.issn.1001-0408.2025.15.21
发布时间
2025-08-20（万方平台首次上网日期，不代表论文的发表时间）
基金项目
天山英才医药卫生高层次人才培养计划（No.TSYC202301A028）
- 浏览6
- 被引0
- 下载9
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
