Machine Learning zur Identifikation von Internet-Addiction und kognitiver Emotionsregulation bei älteren Erwachsenen
Von KI ausgewählt und zusammengefasst
Worum es geht
Cross-sectionale Studie mit Machine-Learning-Klassifikatoren zur Vorhersage von co-auftretender Internet-Addiction und maladaptiver kognitiver Emotionsregulation bei 1.471 Erwachsenen ≥60 Jahren in China mittels demografischen, sozialen und psychosozialen Prädiktoren.
Ergebnis
Gradient Boosting Machine zeigte beste Performance mit AUROC 0,904, Genauigkeit 0,816, Sensitivität 0,810, Spezifität 0,818. SHAP-Analyse identifizierte allgemeines Wohlbefinden als dominantester Prädiktor, gefolgt von Bildungsgrad und objektivem Support. 8 Prädiktoren beibehalten; Modell unterscheidet aktuellen co-occurrence-Status, keine Prognose.
Übertragbarkeit auf Deutschland
China, Originaldata, querschnittlich, aber Prädiktoren sind strukturübergreifend
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.