基于机器学习算法对医学生心理健康影响因素分析

摘要

目的 通过构建医学生心理健康风险预测模型，分析医学生心理健康的影响因素。方法 采用简单随机抽样的方法，对宁夏医科大学2019至2022级360名大学生心理健康进行调查；利用自适应提升（AdaBoost）、朴素贝叶斯（NB）、逻辑回归（LR）、支持向量机（SVM）、随机森林（RF）、神经网络（NN）6种机器学习算法构建心理健康风险预测模型，借助主成分分析法分析影响医学生心理健康的因素。结果 在机器学习模型中，RF算法的预测结果最好，准确率为0.76,AUC值为0.82。影响因素分析的结果显示，信息矛盾引起的认知压力、家庭关系和教育方式、理想与现实的冲突以及学习环境的压力这4个因素与医学生心理健康密切相关；主成分分析法显示压力源多元因素和生活环境因素是影响大学生心理健康的重要因素。结论 RF算法模型是最佳的预测模型，压力源多元因素和生活环境因素对医学生心理健康预测起着非常重要的作用。

关键词

医学生心理健康 / 机器学习 / 主成分分析 / 心理健康预测 / 随机森林