机器学习筛查海员焦虑抑郁:Catboost算法优于其他
76 浏览量
更新于2024-06-18
收藏 2.63MB PDF 举报
本文探讨了海员心理健康的重要性,特别关注焦虑和抑郁这两种常见问题。在全球范围内,心理健康问题已经成为一个日益严峻的公共卫生挑战,世界卫生组织强调其对个体健康和福祉的影响。根据估计,抑郁症在高收入和中低收入国家的终身患病率分别为14.6%和11.1%,而焦虑症的全球患病率也相当可观。
针对这一问题,本文的焦点在于利用机器学习技术来提高海员的焦虑和抑郁筛查效率。作者们在印度Haldia码头综合体对470名海员进行了研究,收集了包括社会人口统计学、职业特征和健康信息在内的数据,并通过医院焦虑抑郁量表评估他们的心理健康状况。研究者比较了五种机器学习算法:Catboost、Logistic回归、朴素贝叶斯、随机森林和支持向量机,以评估它们在海员筛查中的性能。
具体结果显示,Catboost算法表现出色,其准确度和精密度分别达到了82.6%和84.1%,这表明它在自动化筛查过程中具有较高的可靠性。研究结论指出,机器学习技术有潜力显著提升海员心理健康筛查的效率,通过计算机化的自动程序取代传统手动过程,有助于早期识别处于风险的海员并提供及时的心理咨询和治疗。
这项研究为海员心理健康管理提供了创新的工具,展示了如何运用现代科技手段解决实际健康问题,同时强调了对精神疾病筛查的持续关注和投入,以促进全球范围内海员的整体健康和福祉。未来的研究可能进一步优化算法,提升筛查的精确性和普适性,从而更好地服务于全球海上工作者的身心健康。
2023-11-09 上传
2024-05-26 上传
2023-10-31 上传
2023-03-26 上传
2023-03-26 上传
2023-12-03 上传
2023-07-25 上传
2024-09-05 上传
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
cpongm
- 粉丝: 5
- 资源: 2万+
最新资源
- 多模态联合稀疏表示在视频目标跟踪中的应用
- Kubernetes资源管控与Gardener开源软件实践解析
- MPI集群监控与负载平衡策略
- 自动化PHP安全漏洞检测:静态代码分析与数据流方法
- 青苔数据CEO程永:技术生态与阿里云开放创新
- 制造业转型: HyperX引领企业上云策略
- 赵维五分享:航空工业电子采购上云实战与运维策略
- 单片机控制的LED点阵显示屏设计及其实现
- 驻云科技李俊涛:AI驱动的云上服务新趋势与挑战
- 6LoWPAN物联网边界路由器:设计与实现
- 猩便利工程师仲小玉:Terraform云资源管理最佳实践与团队协作
- 类差分度改进的互信息特征选择提升文本分类性能
- VERITAS与阿里云合作的混合云转型与数据保护方案
- 云制造中的生产线仿真模型设计与虚拟化研究
- 汪洋在PostgresChina2018分享:高可用 PostgreSQL 工具与架构设计
- 2018 PostgresChina大会:阿里云时空引擎Ganos在PostgreSQL中的创新应用与多模型存储