面向酒精和大麻使用障碍的联合风险预测的贝叶斯学习模型

物质使用障碍（SUDs）是美国的一个严重公共卫生 concern。酒精和大麻是两种最广泛使用的物质。对于饮酒或大麻的用户，我们提出了一个联合贝叶斯学习模型来预测他们在成年后发展为酒精使用障碍（AUD）和大麻使用障碍（CUD）的风险，基于其个人风险因素。该模型基于Add Health（n=12,503）的全国代表性纵向数据进行训练。它由预测三个用户群体的两个SUDs的子模型组成——分别针对仅饮酒者、仅大麻使用者和两者都使用的者——基于共享和独特的风险因素。该模型包含十个预测因子。我们在两个独立数据集上对模型进行外部验证。酒精使用障碍和大麻使用障碍的受试者工作特征曲线下面积分别为：（a）基于5折交叉验证的0.719和0.690，（b）基于验证数据集1的0.748和0.710，（c）基于验证数据集2的0.650和0.750。模拟研究表明，所提出的联合建模方法在预测准确性方面通常优于对相关依赖结果的单变量建模。我们的模型有助于识别成年前酒精或大麻使用者中处于高风险发展SUD的个体，他们可以获得适当的干预。