재택 노인 중국인을 대상으로 한 우울증 예측에서 회귀 및 기계 학습 방법 비교: 지역 사회 기반 연구

배경 재택 노인에서 우울증은 매우 만연하며 가장 흔한 정신 장애로 여겨지지만, 노인의 우울증 위험 예측에 대한 연구는 여전히 제한적이다. 우울증 예측의 정확성을 높이기 위한 노력의 일환으로, 전통적인 회귀 접근법 외에도 기계 학습(ML) 접근법이 권장되었다. 방법 중국 재택 노인을 대상으로 한 전향적 연구가 실시되었으며, 중국 건강 및 퇴직 종단 연구(CHARLS)의 기초(2011) 및 후속(2013) 데이터를 사용하였다. 우리는 회귀 기반 모델(로지스틱 회귀, 라쏘, 리지)과 ML 방법(랜덤 포레스트)을 포함한 네 가지 알고리즘을 비교하였다. 모델 성능은 반복적으로 중첩된 10배 교차 검증을 사용하여 평가되었다. 예측 성능의 주요 측정으로 수신기 작동 특성 곡선 아래 영역(AUC)을 사용하였다. 결과 네 가지 예측 모델(로지스틱 회귀, 라쏘, 리지, 랜덤 포레스트)의 평균 AUC는 각각 0.795, 0.794, 0.794, 0.769였다. 주요 결정 요소는 삶의 만족도, 자가 보고된 기억, 인지 능력, 일상 생활 활동(ADL) 손상, CESD-10 점수였다. 삶의 만족도는 미래 우울증의 우선 비율을 각각 128.6%(로지스틱), 13.8%(라쏘), 13.2%(리지)로 증가시켰으며, 인지 능력은 랜덤 포레스트에서 가장 중요한 예측 변수였다. 결론 세 가지 회귀 기반 모델과 하나의 ML 알고리즘은 재택 노인에서 미래 우울증 사례와 비우울증 사례를 구별하는 데 동일한 성과를 보였다. 그러나 모델을 선택할 때는 간편한 운영과 같은 다양한 고려 사항이 특정 경우에 하나의 모델이 다른 모델보다 우선시되는 결과를 초래할 수 있다.