夜雨聆风
作为入门模板，步骤完整、代码可复现、可视化干净，新手照着跑一遍，换个数据库或结局，两个月整一篇出来没问题！
2025年7月，由承德医学院附属医院的研究团队在《BMC Psychiatry》（医学二区，IF=4.6）的研究论文。
该研究研究将可解释机器学习方法应用于中国中老年癌症患者抑郁风险预测，系统对比 6 种主流机器学习算法的预测效能，筛选出最优的随机森林模型；通过 LASSO 回归精简出 10 项临床易获取的特征。
中文标题：一种可解释机器学习模型用于预测中国中老年癌症患者的抑郁症：一项基于 CHARLS 队列的研究
DOI：10.1186/s12888-025-07074-x
数据来源：2011—2020 年中国健康与养老追踪调查（CHARLS）数据库，该队列覆盖全国 28 个省级行政区的中老年人群，为大规模多中心前瞻性纵向队列。
纳入/排除标准：纳入①确诊患有任意类型癌症；②年龄≥45 周岁；③具备完整的抑郁症状随访评估数据；排除①无癌症病史；②抑郁症状评估数据缺失；③年龄＜45 周岁。最终共纳入 743 例研究对象。
研究方法：覆盖人口学、健康、家庭等 19 项候选预测因子，经 LASSO 回归筛选特征，构建 6 种机器学习模型，采用 SMOTE 处理类别不平衡、10 折交叉验证训练，通过 AUC 等指标筛选最优模型，最终以 SHAP 法解释模型并明确关键风险因素。
变量筛选
通过 LASSO 回归结合 10 折交叉验证进行特征降维，以 λ 最小值对应的拟合结果为准，最终从 19 个候选变量中筛选出 10 个核心预测变量，包括性别、婚姻状态、自评健康、生活满意度、睡眠时间、教育水平、IADL、共病、疼痛史、社会活动。
模型评估
6 种模型中，随机森林（RF）的判别能力最优，AUC 达 0.774（95% CI：0.740~0.809），同时灵敏度 0.802、特异度 0.828，整体表现最佳；校准曲线也显示 RF 模型的概率预测准确度最高，可作为抑郁风险预测的最优算法。
基于随机森林模型的特征重要性排名
按平均绝对 SHAP 值排序，影响抑郁风险的前 5 位核心特征为：自评健康得分、IADL 得分、生活满意度得分、疼痛史、睡眠时间。生活满意度越高、睡眠越充足，抑郁风险越低；IADL 得分越高（功能越差）、疼痛越显著，抑郁风险越高。
需要获取文献原文的朋友，关注公众号并在
后台回复【文献】即可免费领取文献原文PDF！
📚选题思路：可聚焦特定癌种、癌症治疗不同阶段，或细分年龄、地域人群，构建更精准的分层预测模型；可进一步分析社会支持、经济水平等因素对抑郁的中介 / 调节效应，或探索抑郁与癌症预后、生存质量的因果关联。
📊统计方法借鉴：“LASSO 特征筛选 + 多机器学习模型横向对比 + SHAP 可解释性分析” 的完整框架，可直接迁移至慢病共病、老年综合征、术后并发症等临床预测研究，解决传统模型 “黑箱” 问题。
临床研究全流程指导
临床研究一对一全流程：方案设计→数据提取→数据清洗→统计分析→写作指导→初稿评审→语言润色→投稿选刊→返修指导📚
我们坚信，只有通过深度服务，才能成就医生职业发展
临床研究服务方向
数据库挖掘：CHARLS数据库、NHANES数据库、MIMIC数据库、SEER数据库、UKB数据库、GBD数据库、eICU数据库、GCO数据库、HRS数据库……。
研究方法：队列研究，横断面研究，随机对照试验、回顾性研究（预测模型）等等。
秉承“深度服务”的品牌理念
为研究者提供临床研究服务、基础生信服务和基金标书申报服务
常青藤医学汇聚360万临床医生，客户已经覆盖了国内875家三甲医院
常青藤医学以专业医学研究能力和三甲医院区域覆盖能力为独家优势，为医院、医生、药企提供临床研究全生命周期解决方案
