| 摘要: |
| 目的 采用机器学习方法构建分类模型，探讨其对抑郁障碍与伴抑郁情绪失眠障碍的区分效能。方法 采用回顾性横断面研究方法，收集 2016 年 1 月 1 日至 2024 年 10 月 9 日于杭州市第七人民医院门诊就诊的 1811 例患者临床资料，分为抑郁障碍组 945 例与失眠障碍组（伴抑郁情绪失眠障碍）866 例。收集患者匹兹堡睡眠质量指数（PSQI）、9 项患者健康问卷抑郁症状量表（PHQ-9）、15 项患者健康问卷躯体症状量表（PHQ-15）、7 项广泛性焦虑量表（GAD-7）数据。采用 Python 3.x 软件构建 logistic 回归模型，以 4 个量表的 38 个条目为自变量，通过特征重要性排序筛选出区分效能最强的前 10 个条目构建精简模型，采用 5 折交叉验证法评估模型对抑郁障碍与伴抑郁情绪失眠障碍的区分效能。结果 两组患者年龄、学历、失眠时长比较差异均有统计学意义（均 P＜0.05）。与失眠障碍组比较，抑郁障碍组患者 PHQ-9、PHQ-15 及 GAD-7 得分均更高（均 P＜0.05）。特征重要性分析显示，贡献度位居前列的主要为 PHQ-9 相关条目，其次为 PSQI-3（睡眠时间）、GAD-7-6（易激惹）及 PHQ-15-7（胸痛）。基于筛选出的前 10 个条目构建精简模型，仍表现出良好的区分效能（AUC=0.815，F1=0.757），对抑郁障碍与伴抑郁情绪失眠障碍具有良好的区分效能。结论 尽管临床症状存在重叠，抑郁障碍与伴抑郁情绪失眠障碍之间仍存在关键的区分特征，本研究模型展现出良好的筛查与区分效能。 |
| 关键词: |
| DOI： |
| 分类号: |
| 基金项目:浙江省科技厅2025年度“尖兵领雁+X”科技计划项目（2025C01103）；浙江省科技厅2024年度“尖兵领雁+X”研发攻关
计划项目（2024C04024）；杭州市医药卫生科技项目（Z20250275）；杭州市医学重点学科建设项目（2025HZZD15） |
|
|
|
|
| Abstract: |
|
| Key words: |
