基于机器学习算法构建医疗从业者心理健康状况预测模型

目的:构建医疗从业者心理健康状况的预测模型,为重大公共卫生事件下制定针对性的预防及干预措施提供依据。方法:于2022年12月26日-2023年01月07日对苏中多家医院进行问卷调查,内容包括基本资料、广泛性焦虑量表(GAD-7)及抑郁筛查量表(PHQ-9)。多因素分析确定影响因素并输入机器学习模型。采用5折交叉验证,基于6种机器学习算法分别构建预测模型并进行验证,然后通过测试集评估模型性能。结果:共回收有效问卷2360份,多因素分析显示:焦虑抑郁均受年龄、配偶工作及岗位影响(P<0.05),焦虑还受学历和婚姻状况影响(P<0.05)。随机森林模型表现出最高的AUC值和准确率,且预测效能最优(P<0.05)。结论:基于随机森林算法构建了心理健康状况预测模型,该模型可用于重大公共卫生事件下医疗从业者心理健康状况的筛查,相关部门可针对性地进行早期预防及干预。