可解释机器学习预测正念干预后抑郁结局
Get the story
2026年10月8日，arXiv Machine Learning Theory 发布一手研究《正念干预后抑郁结局的时间与疾病特异性预测因子：超越基线严重程度》。该研究采用可解释机器学习方法，分析多中心纵向临床队列，预测正念干预后12周与24周的BDI-II评分。结果显示，Ridge Regression在12周预测上表现最优，RMSE为5.186、R²为0.474；LightGBM在24周预测上最优，RMSE为5.038、R²为0.525。研究强调预测因子具有时间特异性和疾病特异性，超越仅依赖基线严重程度的思路。目前尚无后续验证或同行评议进展报道。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Machine Learning Theory正念干预后抑郁结局的时间与疾病特异性预测因子：超越基线严重程度
该研究用可解释机器学习分析多中心纵向临床队列，预测正念干预后 12 周与 24 周的 BDI-II 评分。Ridge Regression 在 12 周预测上最优，RMSE 5.186、R² 0.474；LightGBM 在 24 周最优，RMSE 5.038、R² 0.525。
Heat trend
Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.