用于公共卫生分析的新AI方法显示高中生物质使用趋势

随着时间的推移，每周有大量津贴的高中生、吸烟的朋友和身体活动水平低的人更有可能使用多种物质。相反，年龄较大、黑人和每天吃早餐是与过渡到多次使用的可能性较小相关的因素。

这些结论是由滑铁卢大学的一组研究人员得出的，他们使用人工智能分析了一个庞大、复杂的公共卫生数据集——一种进行公共卫生分析的新方法。

该研究使用机器学习而不是传统的统计方法，使研究人员能够在 2016-19 年间的三个时间段内彻底评估与加拿大高中生的酒精和其他物质使用模式和转变相关的多种因素。

“机器学习比传统的统计方法有优势，”滑铁卢大学公共卫生教授 Helen Chen 说。“例如，由于机器学习的性质，我们不需要根据现有文献手动选择变量来保持我们的模型简洁。通过机器学习，您可以查看数据中所有可能的排列。我们发现每周获得大量津贴等变量比抑郁、焦虑或欺凌等传统风险因素更重要。”

在这项研究中，该团队确定了四种不同的使用模式——不使用、一次性使用(酒精)、双重使用(酒精和电子烟)和多次使用(酒精、电子烟、香烟和大麻)。

滑铁卢公共卫生科学学院的第一作者兼博士后研究员 Rena Yang 说：“多年来，大多数学生都留在同一个子组中，而且通常情况下，那些转变的学生会转向更高使用率的模式。” “最有可能发生从双用到多用的转变，最不可能发生的是从双用到单用的转变。基本上，一旦学生开始使用，他们很少会在高中时自发停止。”

多用途子组是四个中最稳定的使用模式，其次是两用子组和非使用子组。一次性子组是最不稳定的。

研究人员使用了来自COMPASS 系统的数据，该系统是一个内容丰富的数据库，其中包含每年从加拿大中学环境中的学生那里收集的可靠的纵向健康相关信息。

“公共卫生从业者在设计和实施针对多种青少年行为的干预措施时，应注意多种物质使用与多方面可改变因素之间的不同关联，”杨说。“学校政策应将这些举措与其他方法结合起来，例如促进体育锻炼、健康饮食、促进心理健康等。”

这项名为“使用 COMPASS 数据上的潜在马尔可夫模型探索加拿大青年多物质使用模式的动态转变”的研究由滑铁卢大学的 Yang、Chen、Zahid Butt、Scott Leatherdale、Plinio Morita、Alexander Wong 和多伦多大学的 Laura Rosella 撰写. 它发表在《柳叶刀》区域健康-美洲杂志上。