文章摘要
机器学习联合自我怜悯预测精神分裂症患者抑郁症发生的风险
投稿时间：2024-03-29  
DOI：10.3969/j.issn.1000-0399.2024.10.007
中文关键词: 精神分裂症  自我怜悯  抑郁  机器学习
英文关键词: 
基金项目:国家自然科学基金项目(编号:81971689)
作者单位E-mail
巫建菊 230032 安徽合肥 合肥市第四人民医院计生防保科  
余涛 230032 安徽合肥 合肥市第四人民医院临床营养科  
何孔亮 230032 安徽合肥 合肥市第四人民医院心理咨询治疗中心 1054872450@qq.com 
摘要点击次数: 262
全文下载次数: 115
中文摘要:
      目的 分析精神分裂症（SCZ）患者自我怜悯与抑郁症之间的关系，为预防抑郁的发生提供参考。方法 选取2023年3～12月在合肥市第四人民医院接受过住院治疗的179例SCZ患者作为研究对象。使用简版自我怜悯量表（SCS）和贝克抑郁自评量表（BDI）分别评估患者的自我怜悯和抑郁水平。根据抑郁水平，将患者分为伴抑郁症组（n=93）和非伴抑郁症组（n=86）。基于自我怜悯总分，使用4种机器学习算法，包括随机森林（RF）、支持向量机（SVM）、K最邻近（KNN）、广义线性模型（GLM），构建精神分裂症患者抑郁症发生的预测模型。结果 伴抑郁症组的患者BDI评分9（7，13）分，高于非伴有抑郁症组1（0，3）分，差异有统计学意义（P＜0.05）。相关性分析表明自我友善、普遍人性、正念和SCS总分与BDI评分均呈负相关（P＜0.05）。4种机器学习算法中，RF、GLM和KNN的曲线下面积（AUC）分别为0.828 9、0.812 2和0.842 2。结论 精神分裂症患者的自我怜悯水平与抑郁症状呈负相关，且自我怜悯和机器学习能较好预测精神分裂症患者发生抑郁的风险。
英文摘要:
      
查看全文   查看/发表评论  下载PDF阅读器
关闭