本页面由土耳其语自动翻译。 阅读原文

本页是借助人工智能编写的土耳其语摘要，介绍在第26届世界精神病学大会上报告的研究。研究归报告作者所有；引用时请查阅原始来源。

SO266

采用随机森林方法预测阿曼HIV感染者的抑郁严重程度

PREDICTING DEPRESSION SEVERITY AMONG PEOPLE LIVING WITH HIV IN OMAN USING RANDOM FOREST

随机森林模型解释了抑郁严重程度约35%的方差，其中最强的预测因子为自我效能感和感知社会支持。

本研究旨在建立随机森林（random forest，RF）模型，预测阿曼HIV感染者（people living with HIV，PLHIV）的抑郁严重程度，并确定主要预测因子。这项多中心横断面研究于2023年1月至2025年2月在四家三级医院开展，纳入289名年满18岁、确诊HIV感染至少六个月的受试者，其中256人进入分析；采用患者健康问卷-9（PHQ-9）评估抑郁，采用多维感知社会支持量表（MSPSS）评估感知社会支持，采用慢性病管理自我效能量表（SEMCD）评估自我效能感（Cronbach α系数分别为0.83、0.91和0.84）。使用JASP软件构建RF回归模型，将数据按64%、16%和20%的比例划分为训练集、验证集和测试集，设置最多100棵树、每次分裂考虑2个变量，以及50%的自助抽样比例。样本平均年龄为38.3岁，男性占75.4%，已婚者占57.5%，92%处于病毒抑制状态（<200拷贝/mL）。以PHQ-9 ≥10分为阈值，抑郁患病率为26.3%。在测试集中，RF模型在所有指标上均优于线性回归（linear regression）：R²为0.351，对比0.306；均方误差（MSE）为31.00，对比42.88；均方根误差（RMSE）为5.57，对比6.55；平均绝对误差（MAE）为4.29，对比5.04。变量重要性（feature importance，以节点纯度的总增量衡量）排序为：自我效能感414、社会支持412、年龄317、婚姻状况121、病毒载量116和吸烟96。作者指出，若经过外部验证（external validation），该模型有望有助于早期风险识别和个体化心理健康干预；研究结果凸显了可改变的心理社会因素的重要性。

全部 WCP 2026 摘要