融合心理量表与照护负担指标的主要照护者痴呆恐惧预测模型构建及验证

摘要

目的 融合心理量表与照护负担指标，构建并验证主要照护者痴呆恐惧的预测模型，为早期识别高风险照护者提供量化工具。方法 回顾性收集2024-01—2025-12首都医科大学附属北京天坛医院的156例痴呆患者主要照护者的资料，阿尔茨海默病恐惧量表（FADS）总分≥P₇₅（41.50分）定义为高痴呆恐惧（39例）。采集照护者人口学、照护情境、Zarit照护负担量表（ZBI）及多项心理量表（GAD-7、PHQ-9、PSS-10、PSQI、SSRS、CD-RISC-10）数据，纳入患者疾病特征变量。采用弹性网Logistic回归、支持向量机、随机森林与XGBoost构建模型，通过嵌套交叉验证评估性能并优化超参数，以受试者工作特征曲线下面积（AUC）为主要指标选择最优模型，使用Bootstrap进行乐观校正，并借助SHAP值解释模型。结果 高痴呆恐惧组在每天照护时间、夜间照护次数、自评经济负担、ZBI总分及GAD-7、PHQ-9、PSS-10、PSQI评分上均显著高于非高痴呆恐惧组，SSRS、CD-RISC-10评分显著低于非高痴呆恐惧组。XGBoost模型预测性能最优，交叉验证平均AUC为0.831，校正后AUC为0.839。校准截距校正后为0.025，斜率校正后为0.912。SHAP分析显示，GAD-7总分（SHAP均值0.187）、ZBI总分（0.172）、PSS-10总分（0.153）是影响预测最重要的前3位特征。结论 基于心理与照护负担指标构建的XGBoost模型能够有效预测主要照护者的高痴呆恐惧风险，其中广泛性焦虑、照护负担及感知压力是关键预测因子，可为临床开展分层心理支持与照护干预提供依据。

关键词

痴呆恐惧 / 主要照护者 / 机器学习 / 心理评估 / 风险预测模型

基金资助

首都医科大学附属北京天坛医院专项任务（编号：2024-TYHL-02）