评估酒精使用障碍：利用机器学习技术从生活方式、背景和家族史中获得的见解
机器学习
2024-10-25 v1
摘要
本研究探讨了生活方式、个人背景和家族史如何影响患酒精使用障碍（AUD）的风险。利用来自“我们所有人”计划的调查数据，提取了6,016名参与者的AUD状态、生活方式、个人背景和家族史信息。使用决策树识别了AUD的关键决定因素，包括年收入、娱乐性药物使用、居住时长、性别、婚姻状况、教育水平和AUD家族史。然后使用数据可视化和卡方独立性检验来评估已识别因素与AUD之间的关联。之后，应用包括决策树、随机森林和朴素贝叶斯在内的机器学习技术来预测个体患AUD的可能性。发现随机森林的准确率最高（82%），优于决策树和朴素贝叶斯。本研究的发现可以为家长、医疗保健专业人员和 educators 提供见解，帮助他们制定降低AUD风险的策略，从而实现早期干预和有针对性的预防工作。
引用
@article{arxiv.2410.18354,
title = {Assessing Alcohol Use Disorder: Insights from Lifestyle, Background, and Family History with Machine Learning Techniques},
author = {Chenlan Wang and Gaojian Huang and Yue Luo},
journal= {arXiv preprint arXiv:2410.18354},
year = {2024}
}