AI预测正念治抑郁：12周R²达0.474，长期疗效竟更靠依从性！
Beyond Baseline Severity: Temporal and Disease-Specific Predictors of Depression Outcomes Following Mindfulness Interventions
📖 AI 总结
该研究基于多中心纵向临床队列，采用可解释机器学习方法预测正念干预后12周和24周的抑郁评分（BDI-II）。研究纳入人口学特征、临床状况、医院中心标识、基线抑郁评分及治疗参与度等变量，并用基于模型的随机插补处理缺失随访数据。五种回归模型中，Ridge回归在12周预测表现最佳（RMSE 5.186，R² 0.474），LightGBM在24周表现最佳（RMSE 5.038，R² 0.525）。分析揭示三个临床相关规律：基线严重程度始终是最强预测因子；短期结局与临床及医院情境关联更强；长期结局更依赖行为依从性和人口学因素。疾病特异性与分层亚组分析进一步表明，预测因子在不同临床类别之间及内部差异显著。研究支持采用可解释、情境感知的建模方法，为正念干预后的个性化心理健康支持提供依据。
🔑 关键词速览
| BDI-II | 贝克抑郁量表第二版，一种广泛用于评估抑郁严重程度的自评量表。 |
| 正念干预 | 以正念冥想为核心的心理干预方法，用于改善心理健康状况。 |
| 随机插补 | 一种处理缺失数据的方法，通过随机抽样从预测分布中填补缺失值。 |
| Ridge回归 | 一种正则化线性回归方法，通过L2惩罚项防止过拟合。 |
| LightGBM | 一种基于梯度提升决策树的高效集成学习算法，适用于大规模数据。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅