COVID-19心理健康数据的机器学习分析
机器学习
2022-09-07 v2 计算机与社会
摘要
2019年12月下旬，新型冠状病毒（Sars-Cov-2）及所致疾病COVID-19首次在中国武汉被发现。该疾病突破了防控措施，美国首例已知病例于2020年1月20日确诊。本文中，我们利用校际政治与社会研究联盟（Inter-university Consortium for Political and Social Research）的调查数据，应用若干统计与机器学习模型及技术，如决策树、多项逻辑回归、朴素贝叶斯、k近邻、支持向量机、神经网络、随机森林、梯度树提升、XGBoost、CatBoost、LightGBM、合成少数类过采样以及卡方检验，来分析COVID-19大流行对美国一线工作者心理健康的影响。通过对应用于心理健康调查数据的众多模型的解读，我们得出结论：预测一线工作者心理健康下滑的最重要因素是其所处的医疗角色（护士、急诊科人员、外科医生等），其次是个体的上周睡眠时长、日均消费的COVID-19相关新闻量、工作者年龄以及酒精和大麻的使用情况。
引用
@article{arxiv.2112.00227,
title = {A Machine Learning Analysis of COVID-19 Mental Health Data},
author = {Mostafa Rezapour and Lucas Hansen},
journal= {arXiv preprint arXiv:2112.00227},
year = {2022}
}
备注
29 pages