基于心理痛苦和静息态脑电成分的多模态数据对抑郁症自杀未遂的分类效能

摘要

目的：考察结合心理痛苦三因素模型和静息态脑电成分构建重性抑郁症患者自杀未遂分类模型的区分效能和重要特征集。方法：采用便利取样，选取73名重性抑郁症患者和36名健康对照组进行临床量表评估和静息态脑电数据采集。结合人口统计学指标、临床量表得分和静息态脑电指标，采用机器学习的支持向量机算法，构建自杀未遂多模态分类模型。结果：(1)自杀未遂多模态分类模型的准确率为85.01%,AUC为0.93；仅采用静息态脑电指标构建的自杀未遂单模态分类模型准确率为72.10%,AUC为0.59；(2)痛苦逃避是自杀未遂多模态分类模型的首位重要特征，以下依次为年龄、oz通道的低频gamma和抑郁；(3)高频和低频gamma是痛苦逃避分类模型和自杀未遂多模态分类模型中共同的重要特征。结论：自杀未遂多模态分类模型区分效能优良，痛苦逃避是优于抑郁的区分有无自杀未遂的最重要行为特征。gamma作为与痛苦逃避密切相关的脑电特征，其活动异常可能是自杀未遂的神经基础。

关键词

痛苦逃避 / 自杀未遂 / 机器学习 / 静息态脑电