预测住院心理治疗中的提前治疗终止：机器学习方法

该研究的目的是确定导致或预测心身医院提前终止治疗的风险因素。 从长远来看，该研究将有助于开发更精确的预测模型，从而加强治疗师和患者之间关于潜在退出的沟通，并在必要时使用反馈循环调整治疗。

由于尚不清楚哪些变量在预测心身医院治疗终止方面发挥主要作用，因此该研究设计是探索性的，包括广泛的入院患者特征。 本研究的目的是根据摄入时常规评估的信息开发一个预测模型。 因此，计划纳入三类变量：（1）人口统计和其他临床变量（例如，人口统计学和其他临床变量）。 年龄、性别、ICD-10 诊断），(2) 心理问卷数据（例如： PHQ、SF-12、EB-45、IIP-32、OPD-SFK），以及 (3) 生理数据（例如 常规实验室数据、血压）。 该研究将纳入 2015 年至 2022 年 1 月期间在海德堡医疗中心开始住院心理治疗的所有患者，样本量约为 N = 2000。 由于基于荟萃分析结果的平均退出率约为 20%，因此可以假设多达 400 名患者提前退出治疗。

为了计算预测模型，计划使用在大数据集中功能强大的机器学习方法。 使用二元结果（定期治疗长度与提前终止治疗）的随机森林模型，预计可以识别有助于预测摄入时提前终止治疗的变量。 此外，将通过考虑初次入学面试和入院时刻之间的等待时间来考虑等候名单效应。 因此，该研究将首次研究住院心理治疗中提前终止治疗的预测模型，包括临床相关的生理数据以及准备心身治疗时的等待时间影响。