基于机器学习技术新冠疫情下中国北方地区医生情绪化进食行为预测模型构建

目的 构建新型冠状病毒感染疫情(简称新冠疫情)下中国北方地区医生情绪化进食行为预测模型,为改善医生健康膳食模式提供科学依据.方法 于2022年5-8月采用随机抽样方法在中国北方地区黑龙江、辽宁、吉林、河北、山东、山西、北京、天津8个省(直辖市)抽取39家新冠疫情定点收治医院共2 316名医生进行一般情况调查表、工作家庭冲突量表、大五人格量表及情绪化进食量表调查,基于机器学习技术建立深度神经网络模型预测新冠疫情下医生情绪化进食行为的因素.结果 2094名医生有效完成问卷调查,情绪化进食行为总分为(51.48±17.37)分,其中愤怒情绪进食、焦虑情绪进食、抑郁情绪进食和积极情绪进食得分为(11.31±4.07)、(16.72±7.56)、(11.02±3.24)和(12.43±4.27)分;基于机器学习技术构建了一个结构为21-19-14-9-1的医生情绪化进食行为预测的深度神经网络模型,该模型的R2、MAE、MSE和RMSE值分别为0.926、0.039、0.003和0.056;此模型预测结果显示,新冠疫情下中国北方地区医生情绪化进食行为的前5位重要因素依次为饮酒、工作家庭冲突、营养不均衡、性别(男)和饮食不规律.结论 新冠疫情下中国北方地区医生情绪化进食情况不容乐视,应用机器学习技术能够有效精确预测医生的情绪化进食风险,不良饮食习惯和工作家庭冲突是导致医生情绪化进食行为的主要因素.