
-
生物通官微
陪你抓住生命科技
跳动的脉搏
心身易感性评估量表(PSSP):一种基于机器学习的八项量表,结合人格特征与应对方式用于心身疾病风险分层
《Scientific Reports》:Psychosomatic Susceptibility Profile (PSSP): a machine-learning-derived eight-item instrument integrating personality and coping for psychosomatic risk stratification
【字体: 大 中 小 】 时间:2026年07月09日 来源:Scientific Reports 4.9
编辑推荐:
摘要心理、行为和生理因素共同导致了健康相关结果的差异性,但现有的评估工具往往分别检测这些方面,或者需要填写冗长的问卷。本研究旨在识别多维度的心身特征,并开发一种基于机器学习的简易工具用于对其分类。研究分析了3,207名年龄在18至65岁之间的员工的数据,这些数据来自NEO五因子量
心理、行为和生理因素共同导致了健康相关结果的差异性,但现有的评估工具往往分别检测这些方面,或者需要填写冗长的问卷。本研究旨在识别多维度的心身特征,并开发一种基于机器学习的简易工具用于对其分类。研究分析了3,207名年龄在18至65岁之间的员工的数据,这些数据来自NEO五因子量表、应对方式问卷、12项一般健康状况问卷、体重指数以及身体活动程度指标。为便于综合分析,问卷答案被转化为文本形式,并使用DistilBERT嵌入技术进行编码,随后通过主成分分析进行降维处理。谱聚类方法帮助识别出了潜在的心身特征,最终划分出三个具有不同心理、行为和生理特征的亚群。接着,研究者训练了一个监督式机器学习模型来对各个亚群进行分类,同时通过SHAP算法筛选出了最具信息量的少数问卷项目。最终形成了一个包含8个项目的评估工具——心身易感性特征量表(PSSP),这些项目选自人格特质和应对方式相关内容。使用XGBoost分类器并采用五折交叉验证后,该工具显示出良好的性能(F1值为0.80,召回率为0.81)。总体而言,这项研究提出了一种数据驱动的方法,可用于识别多维度心身特征,并开发出一种简短且易于理解的分类工具,从而在研究和实际应用中更高效地对个体进行特征分类。
生物通微信公众号