从机器学习视角识别后 COVID-19 精神障碍的风险因素
机器学习
2023-09-29 v1 计算机与社会
生物大分子
摘要
在本研究中，我们利用机器学习技术识别与后 COVID-19 精神障碍相关的风险因素。基于从伊拉克多个省份收集的 669 名患者数据，我们的分析得出了有价值的见解。我们发现年龄、性别和居住地理区域是影响后 COVID-19 患者发生精神障碍可能性的重要人口统计学因素。此外，合并症与 COVID-19 疾病严重程度是重要的临床预测因子。社会心理因素，如社会支持、应对策略和感知压力水平，也发挥了实质性作用。我们的发现强调了在后 COVID-19 康复期精神障碍发展中多种因素的复杂相互作用。医疗服务提供者与政策制定者在设计针对风险个体的干预措施与支持体系时应考虑这些风险因素。基于机器学习的方法可为预测和预防后 COVID-19 患者的不良精神健康结果提供有价值的工具。需要进一步的研究与前瞻性研究来验证这些发现并增进我们对 COVID-19 大流行长期心理影响的理解。本研究为有关 COVID-19 大流行精神健康后果的日益增长的知识体系作出了贡献，并凸显了以多学科方法满足康复进程中个体多样化需求的重要性。
引用
@article{arxiv.2309.16055,
title = {Identifying Risk Factors for Post-COVID-19 Mental Health Disorders: A Machine Learning Perspective},
author = {Maitham G. Yousif and Fadhil G. Al-Amran and Hector J. Castro},
journal= {arXiv preprint arXiv:2309.16055},
year = {2023}
}