精神病学
多模态机器学习预测重性抑郁障碍复发:现有证据与未来方向
本综述综合了近年来关于整合多模态数据的机器学习模型用于重性抑郁障碍(MDD)复发预测的证据,指出其预测准确性为中等水平,主要由临床危险因素驱动;同时强调应采用动态方法,更好捕捉纵向复发轨迹。

标签
本综述综合了近年来关于整合多模态数据的机器学习模型用于重性抑郁障碍(MDD)复发预测的证据,指出其预测准确性为中等水平,主要由临床危险因素驱动;同时强调应采用动态方法,更好捕捉纵向复发轨迹。

法国研究显示,非洲血统显著增加接受利妥昔单抗治疗的iTPP患者的复发风险。关键风险因素包括男性性别和既往复发,这对接个性化监测策略具有重要意义。

在儿童自身免疫性甲亢中,较高的 FT3/FT4 比值预示着抗甲状腺药物停药后的复发风险,尤其是在存在眼病的情况下。

一项为期一年的活动记录仪研究表明,睡眠相位变异性及日常活动振幅是预测重度抑郁症(MDD)复发的重要客观指标,为个性化、预防性的精神卫生保健提供了可扩展的路径。
