| 产后抑郁风险预测模型的构建和验证 |
| |
| 引用本文： | 钟敏慧,张如娜,于婵,严小雪,段霞.产后抑郁风险预测模型的构建和验证[J].护理学杂志,2023,28(15):76-81. |
| |
| 作者姓名： | 钟敏慧 张如娜 于婵 严小雪 段霞 |
| |
| 作者单位： | 1.同济大学医学院护理学院（上海，200092）；2.同济大学附属第一妇婴保健院 |
| |
| 基金项目： | 上海市科学技术委员会“科技创新行动计划”医学创新研究专项项目（21Y11905900） |
| |
| 摘 要： | 目的 构建产后抑郁风险预测模型，并识别预测因子。
方法 选取住院分娩产妇835人为研究对象，按照时间段分为训练集722人及测试集113人，以产后6周是否发生产后抑郁为结局指标。利用logistic回归、支持向量机和随机森林3种监督学习算法建立风险预测模型，采用序列前向选择法筛选特征，通过网格搜索法调整模型参数。将训练好的模型在训练集上进行十折交叉验证，在测试集上进行外部验证。
结果 产妇产后6周抑郁发生率为22.6%（189/835）。经筛选，最终纳入14个预测因子。3种监督学习模型中，随机森林模型预测性能最佳，在测试集上的受试者工作特征曲线下面积、Brier得分、准确率、精确度、召回率和F1得分分别为0.943、0.073、0.903、0.684、0.722和0.703。
结论 基于随机森林的产后抑郁风险模型预测性能最佳，能够辅助医护人员识别高风险人群。
|
| 关 键 词： | 产妇 产后抑郁 预测因子 支持向量机 随机森林 监督学习模型 抑郁筛查 心理护理 |
| 收稿时间： | 2023/3/9 0:00:00 |
| 修稿时间： | 2023/5/10 0:00:00 |
Development and validation of postpartum depression risk prediction model |
| |
| Zhong Minhui,Zhang Run,Yu Chan,Yan Xiaoxue,Duan Xia.Development and validation of postpartum depression risk prediction model[J].Journal of Nursing Science,2023,28(15):76-81. |
| |
| Authors: | Zhong Minhui Zhang Run Yu Chan Yan Xiaoxue Duan Xia |
| |
| Institution: | School of Nursing, School of Medicine, Tongji University, Shanghai 200092, China |
| |
| Abstract: | |
| |
| Keywords: | puerpera postpartum depression predictors support vector machine random forest supervised machine learning models depression screening psychological nursing |
|
| 点击此处可从《护理学杂志》浏览原始摘要信息 |
| 点击此处可从《护理学杂志》下载免费的PDF全文 |
