發(fā)布時(shí)間：2024-05-17 19:38

　　目的:探討隨機(jī)森林算法在產(chǎn)后抑郁影響因素的篩選和風(fēng)險(xiǎn)預(yù)測(cè)中的應(yīng)用效果。方法:選取2017年6月至2018年6月在湖南省長(zhǎng)沙市某三甲醫(yī)院接受產(chǎn)前檢查并在該醫(yī)院分娩,符合納入和排除標(biāo)準(zhǔn)的孕早期婦女為研究對(duì)象。入組時(shí),使用自編的調(diào)查問(wèn)卷、中文版愛丁堡產(chǎn)后抑郁量表(Edinburgh Postnatal Depression Scale,EPDS)調(diào)查研究對(duì)象的人口經(jīng)濟(jì)學(xué)、心理社會(huì)學(xué)、生物學(xué)和產(chǎn)科及其他特征;產(chǎn)后4～6周內(nèi),采用中文版EPDS進(jìn)行抑郁評(píng)分和自編的產(chǎn)后資料問(wèn)卷收集分娩和產(chǎn)后資料。采用R軟件在訓(xùn)練數(shù)據(jù)集上建立產(chǎn)后抑郁風(fēng)險(xiǎn)預(yù)測(cè)的隨機(jī)森林模型,在驗(yàn)證數(shù)據(jù)集上采用預(yù)測(cè)準(zhǔn)確率、靈敏度、特異度、陽(yáng)性預(yù)測(cè)值、陰性預(yù)測(cè)值和曲線下面積(area under curve,AUC)評(píng)價(jià)模型的預(yù)測(cè)效果。結(jié)果:共調(diào)查406例研究對(duì)象,其中150例的EPDS得分≥9,產(chǎn)后抑郁的發(fā)生率為36.9%。通過(guò)隨機(jī)森林算法對(duì)訓(xùn)練集建立的模型在驗(yàn)證集上驗(yàn)證,得出預(yù)測(cè)準(zhǔn)確度為80.10%,靈敏度為61.40%,特異度為89.10%,陽(yáng)性預(yù)測(cè)值為73.00%,陰性預(yù)測(cè)值為82.80%,AUC值0.833。采用隨機(jī)森林算法通...

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

圖1PPD風(fēng)險(xiǎn)預(yù)測(cè)的隨機(jī)森林模型建立過(guò)程

隨機(jī)森林算法在應(yīng)用過(guò)程中得到的主要結(jié)果為變量的重要性評(píng)分，其目的是對(duì)解釋變量在結(jié)局發(fā)展中的重要性進(jìn)行評(píng)價(jià)[5]。對(duì)測(cè)試樣本中的變量進(jìn)行重新排列，對(duì)重新排列前后出現(xiàn)的誤差率進(jìn)行再次計(jì)算，比較兩個(gè)誤差率之間是否存在差值，差值即為每棵樹的重要評(píng)分標(biāo)準(zhǔn)。在隨機(jī)森林模型的建立過(guò)程中，結(jié)局變....

圖2PPD風(fēng)險(xiǎn)預(yù)測(cè)的隨機(jī)森林模型訓(xùn)練集和驗(yàn)證集上ROC曲線

以隨機(jī)森林模型預(yù)測(cè)精度的平均下降量對(duì)PPD隨機(jī)森林模型的總體變量重要性評(píng)分進(jìn)行排序，排在前10位的重要預(yù)測(cè)變量為：產(chǎn)前抑郁、產(chǎn)后經(jīng)濟(jì)擔(dān)憂程度、產(chǎn)后工作擔(dān)憂程度、FT3孕早期、HDL孕晚期、向嬰幼兒發(fā)脾氣、TCHOL孕早期、TG孕早期、Hct孕晚期、TG孕晚期(表2)。3討論

本文編號(hào)：3975960