基于两种机器学习算法的双相情感障碍患者自杀行为影响因素模型比较研究

作者：姜震; 孙静; 邹雯; 王唱唱; 高琦^*

来源：山东大学学报(医学版), 2022, 60(01): 101-108.

DOI：10.6040/j.issn.1671-7554.0.2021.0359

• 机器学习
• 自杀行为
• 影响模型
• 双相情感障碍
• Adaboost
• Logistic回归

目的 探索两种算法构建住院双相情感障碍患者自杀行为影响因素模型的特点，比较其分类能力，为住院双相情感障碍患者自杀行为的预防控制提供依据。方法 利用2010年1月至2017年12月某精神专科医院住院双相情感障碍患者的数据，通过χ2检验初步筛选自杀行为影响因素，采用Adaboost、二分类Logistic回归两种算法构建自杀行为影响因素模型，再用查全率、查准率和F1值比较不同模型特点。结果 研究共纳入住院双相情感障碍患者7 782例，有自杀行为的患者1 661例，自杀行为率为21%。与Logistic回归模型相比，Adaboost模型分类能力较强且稳定。自杀行为影响因素中，诊断分型和既往自杀史在两模型中均占据重要地位。结论 两种算法构建的双相情感障碍患者自杀行为影响因素模型，总体分类能力差别较小，需进一步挖掘潜在变量以提升模型分类能力。诊断分型为当前抑郁发作或混合发作、有既往自杀史的双相情感障碍患者是自杀行为的高危人群，应针对该特征加强自杀行为的预防工作。

• 单位
  首都医科大学; 公共卫生学院