arXiv cs.LG·25 天前★ 1

机器学习模型预测正念干预后抑郁结局研究

原文标题：Beyond Baseline Severity: Temporal and Disease-Specific Predictors of Depression Outcomes Following Mindfulness Interventions

重要度 1/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。

AI 智能摘要

论文用可解释机器学习分析多中心纵向临床队列，预测正念干预后 12 周与 24 周的 BDI-II 抑郁评分。Ridge 回归在 12 周表现最佳，LightGBM 在 24 周最佳。研究发现基线严重度是最强预测因子，短期结局更依赖临床与医院背景，长期结局更依赖行为依从性与人口学因素。

论文速读 · 四段结构cs.LG去论文速读 →

问题: 预测正念干预后 12 周与 24 周的抑郁评分。
方法: 用多中心纵向队列的可解释机器学习，比较 Ridge 回归与 LightGBM 等五种模型。
结果: 12 周 Ridge 最佳 RMSE 5.186、R^2 0.474；24 周 LightGBM 最佳 RMSE 5.038、R^2 0.525。
影响: 显示短期结局靠临床背景、长期靠依从性，为心理干预产品的随访设计提供依据。