基于人口普查调查和一般生活问题的青少年抑郁风险预测探索
机器学习
2024-01-09 v1 人工智能
计算机与社会
摘要
在当代社会，生活和工作压力的不断升级已将心理障碍推至现代健康问题的前沿，这一问题因 COVID-19 大流行而进一步凸显。青少年抑郁症的患病率稳步上升，而依赖于量表或访谈的传统诊断方法被证明特别不足以检测年轻人的抑郁症。为应对这些挑战，出现了许多用于辅助诊断心理健康问题的基于 AI 的方法。然而，这些方法大多集中在量表的基本问题上，或使用面部表情识别等多模态方法。基于日常习惯和行为的抑郁症风险诊断仅限于小规模的定性研究。我们的研究利用青少年人口普查数据来预测抑郁风险，重点关注儿童的抑郁经历及其日常生活状况。我们引入了一种处理严重不平衡高维数据的方法，以及一种针对数据结构特征定制的自适应预测方法。此外，我们提出了一种用于自动在线学习和数据更新的基于云的架构。本研究利用了 2020 年至 2022 年公开可用的 NSCH 青少年人口普查数据，涵盖近 150,000 条数据条目。我们进行了基本数据分析和预测实验，证明了其性能显著优于标准机器学习和深度学习算法。这证实了我们的数据处理方法在处理不平衡医疗数据方面的广泛适用性。与典型的预测方法研究不同，我们的研究提出了一个全面的架构解决方案，考虑了更广泛的用户需求。
引用
@article{arxiv.2401.03171,
title = {Exploration of Adolescent Depression Risk Prediction Based on Census Surveys and General Life Issues},
author = {Qiang Li and Yufeng Wu and Zhan Xu and Hefeng Zhou},
journal= {arXiv preprint arXiv:2401.03171},
year = {2024}
}