酒精与大麻使用障碍联合风险预测的贝叶斯学习模型
应用统计
2025-01-22 v1
摘要
物质使用障碍（SUDs）是美国一个重要的公共卫生问题。酒精和大麻是两种最广泛使用的物质。针对青少年/青年酒精或大麻使用者，我们提出了一种联合贝叶斯学习模型，基于其个人风险因素预测他们在成年期发展为酒精使用障碍（AUD）和大麻使用障碍（CUD）的风险。该模型基于具有全国代表性的纵向数据（Add Health，n = 12503）进行训练。它由子模型组成，针对三组使用者——仅使用酒精者、仅使用大麻者以及两者均使用者——基于共享和独特的风险因素预测两种SUD。我们在两个独立数据集上对模型进行了外部验证。AUD和CUD的受试者工作特征曲线下面积分别为：（a）基于5折交叉验证的0.719和0.690，（b）基于验证数据集1的0.748和0.710，（c）基于验证数据集2的0.650和0.750。模拟研究表明，所提出的联合建模方法在预测准确性方面通常优于对相应结果进行单独的单变量建模。我们的模型可能有助于识别成年期高风险发展为SUD的青少年物质使用者，以便提供适当的干预。
关键词
引用
@article{arxiv.2501.12278,
title = {A Bayesian Learning Model for Joint Risk Prediction of Alcohol and Cannabis Use Disorders},
author = {Rajapaksha Mudalige Dhanushka S. Rajapaksha and Tingfang Wang and Thanthirige Lakshika M. Ruberu and Joseph M. Boden and Pankaj K. Choudhary and Swati Biswas},
journal= {arXiv preprint arXiv:2501.12278},
year = {2025}
}