从拉舒木视角分析焦虑和抑郁症状的时序因素

本文提出了一种新的建模视角，用于客观解释焦虑和抑郁之间的关系，以及人口统计和时间因素。该视角特别利用拉舒木效应（Rashomon Effect），即多个模型 exhibit similar predictive performance but rely on diverse internal structures。而不考虑这些多个模型，选择单一最佳模型则风险掩盖数据中嵌入的备选叙事。为此，我们在大型心理学数据集的解释中运用了这一视角，具体聚焦于Patient Health Questionnaire-4（PHQ-4）。我们采用随机森林模型结合部分依赖剖面，对预测关系在所得出的拉舒木集合（由多个表现相似的模型组成）中的鲁棒性和稳定性进行严格评估。我们的发现确认，人口统计变量年龄、性别和受教育程度导致焦虑和抑郁风险出现一致的结构性变化。关键在于，我们识别出显著的时间效应：风险概率呈现明显的日内和周循环波动，在清晨时段达到高峰。本工作证明，必须超越最佳模型来分析整个拉舒木集合。我们的结果表明，观察到的变异性——尤其是受昼夜节律和周节律影响——在心理筛查中必须细致考虑，以实现稳健的解释。我们主张采用考虑多重性的方法，以提高基于机器学习的心理健康研究结论的稳定性和可推广性。