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

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0.8289、0.8122和0.8422。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。