《Frontiers in Research Metrics and Analytics》：Constructing a Bayesian neural network model for the cross-sectional classification of psychological distress among older adults: comprehensive analysis of humor styles, communication skills, and physical activity experiences
编辑推荐：
摘要
目的：本研究旨在开发一个用于老年人心理困扰横断面分类的模型，采用贝叶斯神经网络（BNN）检验幽默表达、沟通技能、身体活动（PA）及社交PA经历（与朋友一起）与心理困扰风险之间的关系及其影响。方法：对5,265名65至89岁的日本成年人进行了一项横断面
摘要
目的：本研究旨在开发一个用于老年人心理困扰横断面分类的模型，采用贝叶斯神经网络（BNN）检验幽默表达、沟通技能、身体活动（PA）及社交PA经历（与朋友一起）与心理困扰风险之间的关系及其影响。方法：对5,265名65至89岁的日本成年人进行了一项横断面调查。预测变量包括幽默表达、沟通技能和社交PA经历。使用K6心理困扰量表（K6，截断值≥9）评估抑郁。构建了一个包含三个隐藏层的BNN，并采用SHapley Additive exPlanations（SHAP）进行特征重要性识别。结果：BNN模型在高风险检测中达到了81.1%的准确率。研究发现，自我增强型幽默应对和自我控制型沟通技能是最强的保护因素。此外，过去与朋友一起的PA经历和现在独自的PA经历降低了K6评估的心理困扰风险。结论：BNN模型识别出积极幽默风格、自我控制沟通能力、过去社交PA和现在PA状态是分类K6评估的老年人心理困扰的重要预测因子，强调了社交参与在沟通和PA中的潜在相关性。
论文解读文章
**研究背景与问题**
老年人面临多种社会损失（如亲友离世、疾病、搬迁等），这些因素易引发心理困扰（如抑郁）。世界卫生组织报告显示，约14%的60岁以上成人患有精神障碍，全球27.2%的自杀死亡发生在该年龄段。传统统计方法难以捕捉幽默风格、沟通技能、身体活动（PA）及社交PA经历之间复杂的非线性交互作用。现有研究多聚焦单一变量或线性关系，缺乏对多维度心理社会因素的综合评估。因此，本研究旨在利用贝叶斯神经网络（BNN）构建一个横断面分类模型，整合幽默表达、沟通技能、PA模式及社交PA经历，以早期识别心理困扰高风险个体，并量化各因素的相对重要性。
**研究内容与结论**
研究人员对5,265名65-89岁日本老年人（来自Cross Marketing Inc.在线调查平台）进行横断面调查，使用K6心理困扰量表（K6，截断值≥9）评估心理困扰，收集幽默风格（HSQ）、幽默应对风格（HCQ）、沟通技能（ENDCOREs量表）、PA水平（GPAQ）及社交PA经历（过去/现在与朋友或独自运动）等29个变量。通过BNN（三层隐藏层，32个单元，Leaky ReLU激活函数）进行模型训练，采用No-U-Turn Sampler（NUTS）进行马尔可夫链蒙特卡洛（MCMC）推断，并利用SHAP分析特征重要性。模型在分类阈值0.3时准确率81.1%，经阈值优化（0.196）后召回率提升至64.2%，F1-score达0.447。
**主要技术方法**
1. **贝叶斯神经网络（BNN）**：采用JAX和NumPyro库构建多层感知器（MLP），对权重和偏置设置正态先验（均值0，标准差0.5），通过MCMC（NUTS采样器，4条链，1,500次预热，3,000次后验样本）估计后验分布，量化参数不确定性。
2. **SHAP特征重要性分析**：基于合作博弈论，从训练数据中随机抽取500个样本作为背景数据集，对测试集500个样本计算SHAP值，评估各特征对模型输出的边际贡献。
3. **数据预处理**：数值变量经Min-Max归一化（0-1范围），分类变量编码为0/1，按分层抽样（70%训练集，30%测试集，随机种子42）划分数据。
**研究结果**
**模型收敛性与分类性能**：MCMC采样收敛（R-hat=1.0）。分类阈值0.3时，准确率0.811，精确率0.392，召回率0.398，F1-score 0.395。阈值优化至0.196后，召回率提升至0.642，F1-score 0.447，准确率下降至0.753。
**SHAP值特征贡献可视化**：
- **自我增强型幽默应对**（高值降低风险）：最强保护因素，高评分显著减少K6评估的心理困扰风险。
- **自我控制沟通技能**（高值降低风险）：仅次于自我增强型幽默应对，情绪自我调节能力与更低心理困扰相关。
- **攻击型幽默应对**（高值增加风险）：高评分与高风险相关。
- **自我挫败型幽默**（高值增加风险）：高评分增加心理困扰风险。
- **运动开始年龄**（年龄越大风险越高）：晚开始运动与更高风险相关。
- **现在独自PA经历**（有经历降低风险）：当前独自运动具有保护作用。
- **过去独自PA经历**（有经历增加风险）：过去独自运动反映社会孤立模式，增加风险。
- **亲和型幽默**（高值降低风险）：积极幽默风格促进社交联系。
- **合作型幽默应对**（高值增加风险）：可能反映过度迎合他人。
- **攻击型幽默**（高值增加风险）：与冲突相关。
- **过去与朋友一起PA经历**（有经历降低风险）：社交PA提供额外心理益处。
**讨论与结论**
研究首次综合运用BNN揭示幽默、沟通与社交PA在老年人心理困扰分类中的复杂交互作用。自我增强型幽默应对与亲和型幽默作为最强保护因素，表明幽默是可学习的技能，未来干预可针对性提升这些维度。自我控制沟通技能超越其他沟通能力成为关键预测因子，提示情绪自我调节在心理健康中的核心作用。PA的社交情境与时间维度至关重要：过去与朋友一起PA降低风险，而过去独自PA可能标志社会脆弱性；现在独自PA则反映自主健康行为。BNN模型通过不确定性量化，为理解心理困扰的多因素机制提供了新视角。
**研究结论翻译**
据研究人员所知，本研究首次采用贝叶斯神经网络（BNN）系统考察了老年人K6评估的心理困扰相关多样因素，BNN在建模多变量复杂非线性关系及纳入分类概率不确定性量化方面具有独特优势。最值得注意的是，研究人员的综合分析揭示了几项仅靠传统统计方法难以发现的新见解，包括识别出与降低K6评估的心理困扰风险相关的积极幽默风格和自我控制沟通技能。此外，尽管过去独自PA经历可能作为社会脆弱性的指标，但现在独自PA经历可能反映具有保护潜力的自主健康行为。这些发现表明，积极幽默风格、自我控制沟通能力、社交PA以及鼓励现在PA经历可能是未来预防老年人心理困扰方法的重要靶点。同时，过去独自PA模式可作为识别高风险个体的早期预警指标。研究人员的预测框架为理解与K6评估的心理困扰风险相关的心理社会因素的复杂关系提供了宝贵见解，早期识别展现出这些新风险模式的个体对于支持老龄化人群的心理健康至关重要。未来研究应优先开展针对这些因素的纵向和干预研究，以建立因果关系，并根据研究人员的综合预测神经网络模型发展循证方法。
